GR-2 ist ein fortschrittlicher, universeller Roboteragent, der für vielfältige und generalisierbare Roboteraktionen entwickelt wurde. Er wurde zunächst mit einer großen Menge an Internetvideos vortrainiert, um die Dynamik der Welt zu erfassen. Dieses groß angelegte Vortraining umfasste 38 Millionen Videoclips und über 50 Milliarden Markierungen, wodurch GR-2 in der Lage ist, in der nachfolgenden strategischen Lernphase über eine breite Palette von Roboteraufgaben und -umgebungen hinweg zu generalisieren. Anschließend wurde GR-2 unter Verwendung von Robotertrajektorien für die Videogenerierung und Aktionsprädiktion feinabgestimmt. Er zeigt beeindruckende Fähigkeiten im Multitasking mit einer durchschnittlichen Erfolgsrate von 97,7 % bei über 100 Aufgaben. Darüber hinaus zeichnet sich GR-2 durch hervorragende Leistungen in neuen, noch nie dagewesenen Szenarien aus, einschließlich neuer Hintergründe, Umgebungen, Objekte und Aufgaben. Bemerkenswert ist, dass GR-2 mit zunehmender Modellgröße effizient skaliert, was sein Potenzial für kontinuierliches Wachstum und Anwendung unterstreicht.