英伟达发布GR00T N1：世界上第一个人形机器人开源通用“大脑”

英伟达GTC2025 正式发布了GR00T N1，号称世界首个开源的人形机器人通用模型！目标：让物理AI人人可用

简单来说，GR00T N1是一个通用的机器人大脑，只有20 亿参数，却拥有惊人的潜力

下面我们一起来扒一扒GR00T N1的细节，给大家划个重点

GR00T N1 的硬核实力

GR00T N1 的强大，首先得益于它“吃”下的海量数据，NVIDIA 称之为 “史上最多样化的物理动作数据集”。这些数据来源非常丰富：

真实人形机器人遥操作数据：这是最直接、最宝贵的实战经验

大规模仿真数据：NVIDIA 慷慨开源了30万+轨迹的仿真数据，助力研究社区

“幻觉”出的数据： NVIDIA 巧妙地运用了SOTA 视频生成模型，创造出 “神经轨迹” 这种合成数据。这种数据在像素层面都遵循精确的物理规律，正如老黄所说，这简直是 “系统性的无限数据”！

动作令牌提取：为了让模型理解人类行为，NVIDIA 还开发了新算法，从真实人类视频和神经生成视频中提取动作令牌

GR00T N1 的核心架构也相当简洁高效，它是一个 端到端的单神经网络，直接从“光子”输入到“动作”输出，中间没有复杂的层层堆叠：

视觉-语言模型 (System 2)： 这部分是负责“思考”的系统，它基于 NVIDIA-Eagle 和 SmolLM-1.7B 构建，能够像人的 “System 2” 一样，通过视觉和语言指令来理解物理世界，进行环境和指令推理，最终规划出合理的动作

扩散 Transformer (System 1)： 这部分负责“执行”，它扮演着 “System 1” 的角色，将 System 2 的规划 “渲染” 成流畅、精确的电机动作，频率高达120Hz！

实战效果：多场景性能提升显著

GR00T N1 并非纸上谈兵，NVIDIA 将其部署在了自家的 GR1 机器人、 1X Neo 机器人 以及大量的仿真基准测试中。结果显示，在家庭和工业环境中，GR00T N1 在各种操作任务中实现了高达+30% 的性能提升。

更令人惊喜的是，GR00T N1 还支持跨具身 (cross-embodiment)能力。这意味着，它不仅能驱动人形机器人，还能通过微调适配到其他机器人平台。例如，NVIDIA 就展示了 GR00T N1 在 HuggingFace LeRobot SO100 机械臂 上的应用，真正实现了 “开放的机器人大脑运行在开放的硬件上”。

GR00T N1 的预训练策略

为了训练 GR00T N1 这样的通用模型，NVIDIA 采用了稳健的数据策略。他们构建了一个数据金字塔，充分利用各种数据类型的互补优势：

底层：包含语言信息的 人工标注视频数据集，捕捉人与物体的交互，提供自然运动模式和任务语义的洞察

中层：由 NVIDIA Omniverse 平台 生成的 合成数据

顶层：通过各种平台 遥操作收集的真实机器人数据，提供机器人能力的精确洞察

英伟达强调，他们使用了NVIDIA Isaac GROOT blueprint来实践这一方法。仅用11 小时就生成了超过75 万条合成轨迹，相当于6500 小时或9 个月的人类演示数据。将合成数据与真实数据结合，相比仅使用真实数据，GR00T N1 的性能提升了40%！

想上手？英伟达已经为你铺好路

NVIDIA 不仅发布了模型，还贴心地提供了 “Get started today ” 指南，并开放了丰富的资源：

模型权重： GR00T N1 2B 模型已在 Hugging Face 上开源

代码和数据集： Sample 数据集和 PyTorch 微调脚本可以在 NVIDIA/Isaac-GROOT GitHub 仓库找到。开源物理AI数据集也已发布在 HuggingFace Datasets 上

硬件需求： 微调至少需要 NVIDIA RTX A6000 或 GeForce RTX 4090 GPU，更高级的需求可以选择 NVIDIA DGX Spark 或 DGX H100 系统。推理可以使用 NVIDIA RTX A6000 GPU 或 Jetson AGX Orin。

性能实测：仿真与真实世界双重验证

为了全面评估 GR00T N1，英伟达在仿真和真实世界基准测试中都进行了验证

仿真环境：使用了三个基准测试，包括 RoboCasa, DexMG, GR-1，结果显示 GR00T N1 的平均成功率达到45.0%，显著高于 BC Transformer 和 Diffusion Policy 等基线模型

真实世界：在 GR-1 人形机器人上进行了桌面操作任务测试，包括 “Pick-and-Place”, “Articulated”, “Industrial”, “Coordination” 等任务。使用完整数据集训练的 GR00T N1，平均成功率高达76.8%，远超 Diffusion Policy 模型

GR00T N1 白皮书:

https://research.nvidia.com/publication/2025-03_nvidia-isaac-gr00t-n1-open-foundation-model-humanoid-robots

开源代码仓库:
https://github.com/NVIDIA/Isaac-GR00T/

HuggingFace 模型:
https://huggingface.co/nvidia/GR00T-N1-2B

开放数据集:

https://huggingface.co/datasets/nvidia/PhysicalAI-Robotics-GR00T-X-Embodiment-Sim

参考：

https://developer.nvidia.com/blog/accelerate-generalist-humanoid-robot-development-with-nvidia-isaac-gr00t-n1/

⭐星标AI寒武纪，好内容不错过⭐

用你的赞和在看告诉我～

求赞