NVIDIA Isaac GR00T

NVIDIA人形机器人推理和技能开放基础模型

许可证

Apache-2.0

概述

NVIDIA Isaac GR00T N1（目前版本为 N1.7）是一个面向通用人形机器人推理与技能的开放基础模型。这一跨具身视觉-语言-动作（VLA）模型接收包括语言和图像在内的多模态输入，在多样化环境中执行操作任务。它采用受人类认知启发的双系统架构：System 1（负责反射的快思考动作模型）和 System 2（负责审慎推理的慢思考视觉语言模型）。模型基于真实机器人数据、合成轨迹和互联网规模的视频内容训练。支持多种机器人本体，包括 GR1、OXE_DROID 和 AGIBOT_GENIE1。

NVIDIA Isaac GR00T N1（目前版本为 N1.7）是一个面向通用人形机器人推理与技能的开放基础模型。这一跨具身视觉-语言-动作（VLA）模型接收包括语言和图像在内的多模态输入，在多样化环境中执行操作任务。它采用受人类认知启发的双系统架构：System 2 是基于 NVIDIA Cosmos-Reason-2B 的视觉-语言基础模型，负责审慎推理；System 1 是一个 32 层的扩散 Transformer 头，负责对连续动作去噪。模型基于数千小时的遥操作数据训练，数据来自双臂 YAM 机械臂、AGIBot Genie1、Galaxea R1 Pro 以及 Unitree G1 全身移动操作任务，另外还使用了合成轨迹和互联网规模的视频内容。

为何重要

GR00T N1 是 NVIDIA 专为人形机器人设计的开放基础模型。其双系统架构——快速的反射式动作加上缓慢的审慎推理——模拟了人类认知，是迈向通用人形机器人智能的重要一步。

解决的问题

人形机器人既需要快速的反应技能（接住掉落的物体），也需要慢速的审慎规划（弄清楚如何摆放餐桌）。GR00T 提供了一个统一的模型架构来处理这两种能力，无需为每种能力单独构建系统。

要点

• 双系统架构：系统 1（快速反射）+ 系统 2（审慎推理）
• 跨具身 VLA 模型可在不同的人形平台上运行
• 在真实机器人数据、合成轨迹和互联网规模视频上训练
• 支持多模态输入：语言指令和视觉观测
• 开放模型权重，可用于研究和商业用途

适用人群

• 人形机器人开发者
• 具身智能研究人员
• 构建通用机器人的企业
• 从事跨具身迁移研究的实验室

局限

• 针对 NVIDIA 硬件优化（Isaac Sim、Jetson）
• 专注于人形机器人——可能不适用于非人形平台
• 需要 Isaac Sim 生态系统才能使用完整功能
• 大型模型的部署需要大量算力