GR00T N1— 英伟达开源的人形机器人基础模型

nvidia发布全球首个开源通用人形机器人基础模型：gr00t n1

NVIDIA重磅推出GR00T N1，这是全球首个面向通用人形机器人的开源基础模型。它能够基于多模态输入（例如语言和图像）在各种环境中执行多种操作任务。

GR00T N1核心功能：

• 多功能操作: 执行抓取、搬运、双臂协调等多种操作任务，适应复杂环境。
• 多模态理解: 理解自然语言指令并结合视觉图像信息执行任务。
• 跨平台兼容: 兼容多种机器人平台，例如Fourier GR-1和1X Neo。
• 复杂任务规划: 能够处理需要多步骤和多种技能整合的复杂任务。
• 高效数据利用: 结合互联网数据、合成数据和真实机器人数据进行训练，提高性能和泛化能力，降低对标注数据的依赖。

GR00T N1技术架构与原理：

GR00T N1采用双系统架构：

• 视觉-语言模型 (System 2): 基于NVIDIA-Eagle和SmolLM-1.7B构建，负责环境理解、推理和规划，生成动作计划。
• 扩散变换器 (System 1): 将视觉-语言模型的计划转化为精确的连续动作，控制机器人运动。

其数据策略涵盖互联网视频数据、合成数据（NVIDIA Omniverse生成）和真实机器人数据，并利用无监督学习提升效率。模型通过大规模数据预训练和针对特定平台、任务和环境的微调来优化性能。

获取GR00T N1：

• 项目官网: https://www.php.cn/link/4a15fc6d75970e9607efa44697977f2b
• GitHub仓库: https://www.php.cn/link/4a15fc6d75970e9607efa44697977f2b
• HuggingFace模型库: https://www.php.cn/link/4a15fc6d75970e9607efa44697977f2b
• 技术论文: https://www.php.cn/link/4a15fc6d75970e9607efa44697977f2b

GR00T N1应用前景：

GR00T N1在物流、制造、零售、医疗和工业检查维护等领域具有广泛的应用前景，有望显著提升效率和自动化水平。