英伟达提出GR00T 2世界-动作模型，联合预测未来视觉观测与机器人动作，在夹爪、灵巧手和仿人平台上实现通用操作。其核心是跨形态自适应，可将人类或UMI演示中的物理知识迁移到机器人，无需任务专用遥操作数据。模型支持少量示范快速适应和强化学习提升可靠性，并可通过CaP范式与WAM API实现高层代理编排、故障恢复和视觉目标引导。轻量版GR00T 2 Turbo采用高压缩视频表示降低时延，适合全身控制。