GR-2 es un agente robótico general avanzado, diseñado para la manipulación robótica diversificada y generalizable. Se preentrena inicialmente en una gran cantidad de videos de internet para capturar la dinámica del mundo. Este preentrenamiento a gran escala involucra 38 millones de clips de video y más de 50 mil millones de etiquetas, lo que permite a GR-2 generalizar en una amplia gama de tareas y entornos robóticos en el aprendizaje de estrategias posterior. Posteriormente, GR-2 se ajusta finamente para la generación de video y la predicción de acciones, utilizando trayectorias robóticas. Demuestra una impresionante capacidad de aprendizaje multitarea, alcanzando una tasa de éxito promedio del 97,7% en más de 100 tareas. Además, GR-2 se desempeña excepcionalmente bien en escenarios nuevos e inesperados, incluyendo nuevos fondos, entornos, objetos y tareas. Cabe destacar que GR-2 escala eficientemente a medida que aumenta el tamaño del modelo, lo que destaca su potencial para un crecimiento y aplicación continuos.