O GR-2 é um agente robótico universal avançado, projetado para operações robóticas diversificadas e generalizáveis. Inicialmente, ele foi pré-treinado em uma vasta quantidade de vídeos da internet para capturar a dinâmica do mundo. Este pré-treinamento em larga escala envolveu 38 milhões de clipes de vídeo e mais de 50 bilhões de marcadores, permitindo que o GR-2 generalizasse em uma ampla gama de tarefas e ambientes robóticos em aprendizado de estratégias subsequentes. Posteriormente, o GR-2 foi ajustado para geração de vídeo e previsão de ações, utilizando trajetórias robóticas. Ele demonstra uma impressionante capacidade de aprendizado de múltiplas tarefas, alcançando uma taxa de sucesso média de 97,7% em mais de 100 tarefas. Além disso, o GR-2 apresenta excelente desempenho em cenários novos e inéditos, incluindo novos contextos, ambientes, objetos e tarefas. É importante notar que o GR-2 escala eficientemente com o aumento do tamanho do modelo, destacando seu potencial de crescimento e aplicação contínuos.