GR-2 est un agent robotique universel avancé, conçu pour des opérations robotiques diversifiées et généralisables. Initialement pré-entraîné sur un vaste ensemble de vidéos internet afin de capturer la dynamique du monde réel, ce pré-entraînement à grande échelle a impliqué 38 millions de clips vidéo et plus de 50 milliards de marqueurs, permettant à GR-2 de se généraliser à une large gamme de tâches et d'environnements robotiques lors de l'apprentissage ultérieur des stratégies. GR-2 a ensuite été finement ajusté pour la génération vidéo et la prédiction de mouvement, en utilisant des trajectoires robotiques. Il a démontré des capacités impressionnantes d'apprentissage multitâches, atteignant un taux de réussite moyen de 97,7 % sur plus de 100 tâches. De plus, GR-2 excelle dans des scénarios nouveaux et inédits, incluant de nouveaux contextes, environnements, objets et tâches. Il est remarquable que GR-2 s'adapte efficacement à l'augmentation de la taille du modèle, soulignant son potentiel de croissance et d'applications continues.