NVIDIA Isaac GR00T

Modelo de fundação aberto da NVIDIA para raciocínio e habilidades de robôs humanoides

Licença

Apache-2.0

Visão geral

O NVIDIA Isaac GR00T N1 (agora na versão N1.7) é um modelo fundacional aberto para raciocínio e habilidades generalistas de robôs humanoides. Este modelo de Visão-Linguagem-Ação (VLA) para múltiplas incorporações recebe entradas multimodais, incluindo linguagem e imagens, para realizar tarefas de manipulação em ambientes diversos. Tem uma arquitetura de sistema duplo inspirada na cognição humana: System 1 (modelo de ação de pensamento rápido, para reflexos) e System 2 (modelo de visão e linguagem de pensamento lento, para raciocínio deliberado). Treinado com dados de robôs reais, trajetórias sintéticas e conteúdo de vídeo em escala de internet. Suporta várias incorporações robóticas, incluindo GR1, OXE_DROID e AGIBOT_GENIE1.

O NVIDIA Isaac GR00T N1 (agora na versão N1.7) é um modelo fundacional aberto para raciocínio e habilidades generalistas de robôs humanoides. Este modelo de Visão-Linguagem-Ação (VLA) para múltiplas incorporações recebe entradas multimodais, incluindo linguagem e imagens, para realizar tarefas de manipulação em ambientes diversos. Tem uma arquitetura de sistema duplo inspirada na cognição humana: o System 2 é um modelo fundacional de visão e linguagem baseado no NVIDIA Cosmos-Reason-2B, para raciocínio deliberado, enquanto o System 1 é uma cabeça de transformador de difusão com 32 camadas que remove o ruído de ações contínuas. Treinado com milhares de horas de dados teleoperados de braços bimanuais YAM, AGIBot Genie1, Galaxea R1 Pro e tarefas de locomanipulação de corpo inteiro do Unitree G1, além de trajetórias sintéticas e conteúdo de vídeo em escala de internet.

Por que importa

O GR00T N1 é o modelo fundacional aberto da NVIDIA projetado especificamente para robôs humanoides. Sua arquitetura de sistema duplo, com ações reflexas rápidas e raciocínio deliberado lento, espelha a cognição humana e representa um grande passo rumo a uma inteligência humanoide de uso geral.

Problema que resolve

Robôs humanoides precisam tanto de habilidades reativas rápidas (pegar um objeto caindo) quanto de planejamento deliberado lento (descobrir como arrumar uma mesa). O GR00T fornece uma arquitetura de modelo unificada que lida com ambos, eliminando a necessidade de construir sistemas separados para cada capacidade.

Pontos principais

• Arquitetura de sistema duplo: Sistema 1 (reflexos rápidos) + Sistema 2 (raciocínio deliberado)
• Modelo VLA entre incorporações funciona em diferentes plataformas humanoides
• Treinado com dados de robôs reais, trajetórias sintéticas e vídeos em escala de internet
• Suporta entrada multimodal: instruções em linguagem natural e observações visuais
• Pesos do modelo abertos disponíveis para uso em pesquisa e comercial

Para quem é

• Desenvolvedores de robôs humanoides
• Pesquisadores em IA incorporada
• Empresas construindo robôs de propósito geral
• Laboratórios de pesquisa trabalhando em transferência entre incorporações

Limitações

• Otimizado para hardware NVIDIA (Isaac Sim, Jetson)
• Focado em humanoides — pode não transferir bem para plataformas não humanoides
• Requer o ecossistema Isaac Sim para o conjunto completo de recursos
• O grande tamanho do modelo exige capacidade computacional significativa para implantação