GR00T N1 由 NVIDIA 推出，是全球首個(gè)開源且完全可定制的通用人形機(jī)器人基礎(chǔ)模型。其技術(shù)架構(gòu)受人類認(rèn)知原理啟發(fā)，采用雙系統(tǒng)協(xié)同設(shè)計(jì)

在 NVIDIA ，我們正在開發(fā) AI 解決方案，使通用人形機(jī)器人能夠理解人類世界、遵循語言指令并執(zhí)行各種任務(wù)。強(qiáng)大的視覺-語言-作 （VLA） 模型對(duì)于此類高級(jí)功能至關(guān)重要。為此，我們開發(fā)了 GR00T N1，這是一種在多樣化數(shù)據(jù)集上訓(xùn)練的通用機(jī)器人模型，其中包括以自我為中心的人類視頻、真實(shí)和模擬的機(jī)器人軌跡以及合成數(shù)據(jù)。
GR00T N1 在多個(gè)機(jī)器人實(shí)施例的仿真基準(zhǔn)測(cè)試中優(yōu)于最先進(jìn)的仿真學(xué)習(xí)模型。此外，它還展示了在家務(wù)中對(duì) Fourier GR-1 和 1X 人形機(jī)器人進(jìn)行有效的語言條件雙手作。
為了幫助物理 AI 構(gòu)建者解決我們社會(huì)最關(guān)鍵的問題，我們通過 NVIDIA ISAAC GR00T 提供寬容的許可證，使我們的模型成為輕量級(jí)的。

作者
朱玉可
Linxi “Jim” 范
NVIDIA GEAR 團(tuán)隊(duì)

出版日期
2025 年 3 月 17 日星期一
論文下載：
*附件：GR00T_1_Whitepaper：GR00T N1 An Open Foundation Model for Generalist.pdf

研究領(lǐng)域
人工智能和機(jī)器學(xué)習(xí)
自動(dòng)駕駛汽車
生成式 AI
物理 AI
機(jī)器人

1. 技術(shù)架構(gòu)與核心原理

GR00T N1是全球首款開源人形機(jī)器人通用基礎(chǔ)模型，其核心架構(gòu)靈感來源于人類認(rèn)知的雙系統(tǒng)理論：

• System 1（反射動(dòng)作控制） ：作為快速響應(yīng)的“直覺”系統(tǒng)，基于擴(kuò)散變換器（Diffusion Transformer），以高達(dá)120Hz的頻率將規(guī)劃轉(zhuǎn)化為精確的電機(jī)動(dòng)作，實(shí)現(xiàn)實(shí)時(shí)運(yùn)動(dòng)控制。
• System 2（認(rèn)知決策） ：基于視覺-語言模型（VLA），整合NVIDIA-Eagle與SmolLM-1.7B，負(fù)責(zé)環(huán)境感知、語言指令解析和多步驟任務(wù)規(guī)劃，類似于人類的深度思考能力。

這種架構(gòu)通過端到端的單神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)，直接從視覺輸入到動(dòng)作輸出，簡(jiǎn)化了傳統(tǒng)機(jī)器人控制中的復(fù)雜層級(jí)結(jié)構(gòu)，提升了執(zhí)行效率。

2. 數(shù)據(jù)策略與訓(xùn)練方法

GR00T N1的訓(xùn)練數(shù)據(jù)融合了 真實(shí)人類操作視頻 、合成數(shù)據(jù)和 真實(shí)機(jī)器人遙操作軌跡 ，形成“數(shù)據(jù)金字塔”：

• 底層 ：互聯(lián)網(wǎng)視頻數(shù)據(jù)，捕捉人類與物體交互的自然模式。
• 中層 ：通過NVIDIA Omniverse生成的75萬條合成軌跡，模擬復(fù)雜場(chǎng)景，相當(dāng)于6500小時(shí)的人類演示數(shù)據(jù)。
• 頂層 ：真實(shí)機(jī)器人數(shù)據(jù)，確保模型適應(yīng)物理世界。

訓(xùn)練中結(jié)合 模仿學(xué)習(xí) （從人類視頻中提取動(dòng)作令牌）與 強(qiáng)化學(xué)習(xí) （在模擬環(huán)境中優(yōu)化策略），大幅提升模型的泛化能力。測(cè)試顯示，合成數(shù)據(jù)與真實(shí)數(shù)據(jù)結(jié)合使性能提升40%。

3. 功能亮點(diǎn)與性能突破

• 通用任務(wù)執(zhí)行 ：支持抓取、搬運(yùn)、多步驟組裝等任務(wù)，無需針對(duì)特定任務(wù)重新訓(xùn)練。例如，在真實(shí)環(huán)境中執(zhí)行桌面操作任務(wù)的成功率高達(dá)76.8%，遠(yuǎn)超傳統(tǒng)策略模型。
• 跨平臺(tái)適配性 ：兼容Fourier GR-1、1X Neo等多款人形機(jī)器人及機(jī)械臂，實(shí)現(xiàn)“開放大腦驅(qū)動(dòng)開放硬件”的愿景。
• 多模態(tài)交互 ：理解自然語言指令（如“拿起杯子”），并融合視覺輸入完成復(fù)雜操作，例如雙臂協(xié)調(diào)擰瓶蓋。

GR00T N1項(xiàng)目地址

• 項(xiàng)目官網(wǎng)：https://developer.nvidia.com/isaac/gr00t
• GitHub 倉庫：https://github.com/NVIDIA/Isaac-GR00T/
• HuggingFace 模型庫：https://huggingface.co/nvidia/GR00T-N1-2B
• 技術(shù)論文：https://research.nvidia.com/publication/2025-03_nvidia-isaac-gr00t-n1-open-foundation-model-humanoid-robots

4. 開源生態(tài)與行業(yè)變革

• 開源資源 ：模型權(quán)重、代碼及數(shù)據(jù)集已發(fā)布于GitHub與Hugging Face，開發(fā)者可基于2B參數(shù)架構(gòu)進(jìn)行微調(diào)。例如，Hugging Face提供預(yù)訓(xùn)練模型和PyTorch腳本。
• 降低開發(fā)門檻 ：通過Simulation Frameworks（如Isaac Sim）加速虛擬測(cè)試，減少實(shí)體原型開發(fā)成本，初創(chuàng)企業(yè)可快速驗(yàn)證算法。
• 行業(yè)影響 ：
  • 挑戰(zhàn)傳統(tǒng)廠商 ：波士頓動(dòng)力、特斯拉等依賴專有系統(tǒng)的企業(yè)面臨開源生態(tài)的競(jìng)爭(zhēng)壓力。
  • 推動(dòng)應(yīng)用落地 ：在物流、醫(yī)療、零售等領(lǐng)域，GR00T N1可優(yōu)化倉儲(chǔ)管理、輔助康復(fù)訓(xùn)練、提升客戶服務(wù)效率。
  • 硬件需求增長(zhǎng) ：模型依賴高性能計(jì)算（如Jetson AGX Thor、H100 GPU），進(jìn)一步鞏固英偉達(dá)在AI芯片市場(chǎng)的地位。

5. 戰(zhàn)略意義與未來展望

• 技術(shù)轉(zhuǎn)折點(diǎn) ：GR00T N1標(biāo)志著機(jī)器人開發(fā)從“專用模型”轉(zhuǎn)向“通用基礎(chǔ)模型+微調(diào)”模式，類似智能手機(jī)領(lǐng)域的Android生態(tài)。
• 商業(yè)化潛力 ：TrendForce預(yù)測(cè)，到2028年全球人形機(jī)器人市場(chǎng)規(guī)模將達(dá)40億美元，而GR00T N1的開源特性將加速這一進(jìn)程。
• 長(zhǎng)期挑戰(zhàn) ：需解決數(shù)據(jù)安全、標(biāo)準(zhǔn)化及知識(shí)產(chǎn)權(quán)問題，避免生態(tài)碎片化[。

結(jié)語

GR00T N1不僅是技術(shù)突破，更是行業(yè)生態(tài)重構(gòu)的起點(diǎn)。其開源模式將催生更多創(chuàng)新應(yīng)用，推動(dòng)人形機(jī)器人從實(shí)驗(yàn)室走向家庭、工廠和公共服務(wù)領(lǐng)域。隨著英偉達(dá)與DeepMind、迪士尼等巨頭的合作深化（如Newton物理引擎項(xiàng)目），通用機(jī)器人時(shí)代已拉開序幕。開發(fā)者、企業(yè)及投資者需抓住這一變革機(jī)遇，探索AI與物理世界的深度融合。