NVIDIA Isaac GR00T

ヒューマノイドロボットの推論とスキルのためのNVIDIAオープン基盤モデル

ライセンス

Apache-2.0

概要

NVIDIA Isaac GR00T N1（現在はバージョン N1.7）は、汎用ヒューマノイドロボットの推論とスキルのためのオープンな基盤モデルです。このクロスエンボディメントなビジョン言語アクション（VLA）モデルは、言語や画像を含むマルチモーダル入力を受け取り、多様な環境でマニピュレーションタスクを実行します。人間の認知に着想を得たデュアルシステムアーキテクチャを備えています。System 1（反射のための速い思考の行動モデル）と System 2（熟慮的な推論のための遅い思考のビジョン言語モデル）です。実ロボットのデータ、合成軌道、インターネット規模の動画コンテンツで学習されています。GR1、OXE_DROID、AGIBOT_GENIE1 を含む複数のロボットのエンボディメントに対応しています。

NVIDIA Isaac GR00T N1（現在はバージョン N1.7）は、汎用ヒューマノイドロボットの推論とスキルのためのオープンな基盤モデルです。このクロスエンボディメントなビジョン言語アクション（VLA）モデルは、言語や画像を含むマルチモーダル入力を受け取り、多様な環境でマニピュレーションタスクを実行します。人間の認知に着想を得たデュアルシステムアーキテクチャを備えています。System 2 は熟慮的な推論のための NVIDIA Cosmos-Reason-2B ベースのビジョン言語基盤モデルで、System 1 は連続的な行動をデノイズする 32 層の拡散トランスフォーマーヘッドです。双腕の YAM アーム、AGIBot Genie1、Galaxea R1 Pro による数千時間の遠隔操作データと、Unitree G1 の全身ロコマニピュレーションタスク、さらに合成軌道とインターネット規模の動画コンテンツで学習されています。

重要な理由

GR00T N1 は、ヒューマノイドロボット向けに特化して設計された NVIDIA のオープンな基盤モデルです。速い反射的な行動と遅い熟慮的な推論を組み合わせたデュアルシステムアーキテクチャは人間の認知を模したもので、汎用的なヒューマノイドの知能に向けた大きな一歩です。

解決する課題

ヒューマノイドロボットには、高速な反応スキル（落下物をキャッチする）と低速な熟慮的計画（テーブルセッティングの方法を考える）の両方が必要です。GR00Tは両方を処理する統一モデルアーキテクチャを提供し、各機能に個別のシステムを構築する必要を排除します。

主なポイント

• デュアルシステムアーキテクチャ：System 1（高速反射）+ System 2（熟慮的推論）
• クロスエンボディメントVLAモデルが異なるヒューマノイドプラットフォーム間で動作
• 実ロボットデータ、合成軌跡、インターネット規模の動画で訓練
• マルチモーダル入力をサポート：言語指示と視覚観測
• 研究および商用利用向けにオープンモデルの重みを公開

対象

• ヒューマノイドロボット開発者
• 身体性AI研究者
• 汎用ロボットを構築する企業
• クロスエンボディメント転移に取り組む研究機関

制限事項

• NVIDIAハードウェア（Isaac Sim、Jetson）に最適化
• ヒューマノイドに特化 — 非ヒューマノイドプラットフォームへの転移は困難な可能性
• フル機能にはIsaac Simエコシステムが必要
• 大規模なモデルサイズにより、デプロイメントに大量の計算リソースが必要