GR-2は、多様で汎用性の高いロボット操作のために設計された、高度な汎用ロボットエージェントです。世界における動きの捉え方を習得するために、まず膨大なインターネット上の動画で事前学習が行われます。この大規模な事前学習には、3800万本の動画クリップと500億を超えるラベルが含まれており、GR-2は後続の戦略学習において、幅広いロボットタスクと環境に汎化することができます。その後、ロボット軌跡を用いて、動画生成と動作予測に関して微調整が行われます。100以上のタスクにおいて平均97.7％の成功率を達成する、印象的な多タスク学習能力を示しています。さらに、新しい、これまで見たことのないシーン（新しい背景、環境、オブジェクト、タスクを含む）においても優れた性能を発揮します。注目すべきは、GR-2はモデルサイズの増加に伴って効率的に拡張され、その持続的な成長と応用の可能性を示している点です。