NVIDIA Isaac GR00T

Foundation model aperto di NVIDIA per il ragionamento e le abilità dei robot umanoidi

Licenza

Apache-2.0

Panoramica

NVIDIA Isaac GR00T N1 (ora alla versione N1.7) è un foundation model aperto per il ragionamento e le abilità generaliste dei robot umanoidi. Questo modello Vision-Language-Action (VLA) cross-embodiment riceve input multimodali, tra cui linguaggio e immagini, per eseguire compiti di manipolazione in ambienti diversi. Ha un'architettura a due sistemi ispirata alla cognizione umana: System 1 (modello di azione a pensiero veloce, per i riflessi) e System 2 (modello vision-language a pensiero lento, per il ragionamento deliberato). È addestrato su dati di robot reali, traiettorie sintetiche e contenuti video su scala internet. Supporta più embodiment robotici, tra cui GR1, OXE_DROID e AGIBOT_GENIE1.

NVIDIA Isaac GR00T N1 (ora alla versione N1.7) è un foundation model aperto per il ragionamento e le abilità generaliste dei robot umanoidi. Questo modello Vision-Language-Action (VLA) cross-embodiment riceve input multimodali, tra cui linguaggio e immagini, per eseguire compiti di manipolazione in ambienti diversi. Ha un'architettura a due sistemi ispirata alla cognizione umana: System 2 è un foundation model vision-language basato su NVIDIA Cosmos-Reason-2B per il ragionamento deliberato, mentre System 1 è una testa diffusion Transformer a 32 strati che rimuove il rumore dalle azioni continue. È addestrato su migliaia di ore di dati in teleoperazione provenienti da bracci bimanuali YAM, AGIBot Genie1, Galaxea R1 Pro e compiti di loco-manipolazione del corpo intero di Unitree G1, oltre a traiettorie sintetiche e contenuti video su scala internet.

Perché è importante

GR00T N1 è il foundation model aperto di NVIDIA progettato specificamente per i robot umanoidi. La sua architettura a due sistemi, azioni riflesse veloci più ragionamento deliberato lento, rispecchia la cognizione umana e rappresenta un passo importante verso un'intelligenza umanoide general purpose.

Il problema che risolve

I robot umanoidi hanno bisogno sia di abilità reattive veloci (afferrare un oggetto che cade) sia di una pianificazione deliberata lenta (capire come apparecchiare la tavola). GR00T offre un'architettura di modello unificata che gestisce entrambe le cose, eliminando la necessità di costruire sistemi separati per ciascuna capacità.

Punti chiave

• Architettura a due sistemi: System 1 (riflessi veloci) + System 2 (ragionamento deliberato)
• Il modello VLA cross-embodiment funziona su diverse piattaforme umanoidi
• Addestrato su dati di robot reali, traiettorie sintetiche e video su scala internet
• Supporta input multimodali: istruzioni in linguaggio naturale e osservazioni visive
• Pesi del modello aperti, disponibili per la ricerca e l'uso commerciale

A chi si rivolge

• Sviluppatori di robot umanoidi
• Ricercatori di IA incarnata
• Aziende che costruiscono robot general purpose
• Laboratori di ricerca che lavorano sul trasferimento cross-embodiment

Limiti

• Ottimizzato per l'hardware NVIDIA (Isaac Sim, Jetson)
• Incentrato sugli umanoidi: potrebbe non trasferirsi bene a piattaforme non umanoidi
• Richiede l'ecosistema Isaac Sim per l'insieme completo delle funzionalità
• Le grandi dimensioni del modello richiedono una notevole potenza di calcolo per il deployment