NVIDIA Isaac GR00T

NVIDIA 推出、用於人形機器人推理與技能的開放基礎模型

授權條款

Apache-2.0

概述

NVIDIA Isaac GR00T N1（目前已更新至 N1.7 版）是用於通用人形機器人推理與技能的開放基礎模型。這個跨形態的視覺語言動作（VLA）模型接受包括語言與影像在內的多模態輸入，在多樣的環境中執行操作任務。它採用受人類認知啟發的雙系統架構：System 1（快速思考的動作模型，負責反射）與 System 2（慢速思考的視覺語言模型（VLM），負責審慎推理）。它以真實機器人資料、合成軌跡與網際網路規模的影片內容訓練。支援多種機器人形態，包括 GR1、OXE_DROID 與 AGIBOT_GENIE1。

NVIDIA Isaac GR00T N1（目前已更新至 N1.7 版）是用於通用人形機器人推理與技能的開放基礎模型。這個跨形態的視覺語言動作（VLA）模型接受包括語言與影像在內的多模態輸入，在多樣的環境中執行操作任務。它採用受人類認知啟發的雙系統架構：System 2 是以 NVIDIA Cosmos-Reason-2B 為基礎的視覺語言基礎模型，負責審慎推理；System 1 則是具有 32 層的擴散 Transformer 動作頭，負責對連續動作去噪。它以數千小時的遠端操作資料訓練，資料來自雙臂 YAM 手臂、AGIBot Genie1、Galaxea R1 Pro，以及 Unitree G1 的全身移動操作任務，另外還有合成軌跡與網際網路規模的影片內容。

為何重要

GR00T N1 是 NVIDIA 專為人形機器人設計的開放基礎模型。它的雙系統架構（快速的反射動作加上慢速的審慎推理）模仿人類認知，是邁向通用人形機器人智慧的一大步。

解決的問題

人形機器人同時需要快速的反應技能（接住掉落的物體）與慢速的審慎規劃（想出如何擺設餐桌）。GR00T 提供一個統一的模型架構同時處理兩者，不必為每種能力分別打造系統。

重點

• 雙系統架構：System 1（快速反射）+ System 2（審慎推理）
• 跨形態的 VLA 模型，可用於不同的人形機器人平台
• 以真實機器人資料、合成軌跡與網際網路規模的影片訓練
• 支援多模態輸入：語言指令與視覺觀測
• 開放模型權重，可用於研究與商業用途

適用對象

• 人形機器人開發者
• 具身 AI 研究人員
• 打造通用機器人的公司
• 研究跨形態轉移的實驗室

限制

• 針對 NVIDIA 硬體（Isaac Sim、Jetson）最佳化
• 以人形機器人為主，轉移到非人形平台的效果可能不佳
• 完整功能需要 Isaac Sim 生態系
• 模型龐大，部署時需要大量算力