NVIDIA Isaac GR00T N1

是什么

Isaac GR00T N1 是 NVIDIA 在 2025 年 3 月 18 日 GTC 大会上发布的人形机器人基础模型。NVIDIA 将其描述为全球首个开放的、可完全定制的人形机器人基础模型，用于通用的人形推理与技能^[1]。

这里的「开放」不是指它是一个成品。它的预设用法是改造：开发者与研究者可以用自己的真实数据或合成数据对 GR00T N1 做后训练（post-train），让它适配某一款具体的人形机器人或某一项具体任务^[1]。在这个意义上，基础模型是一个起点，即一个经过广泛训练的底座；机器人团队只需在它之上做专门化，而不必从零搭建。

怎么工作

GR00T N1 采用双系统架构（dual-system architecture）。NVIDIA 称，该架构的灵感来自人类认知的原理^[1]。两个部分的分工，类似于一个缓慢、审慎的决策层与一个快速的动作层。

System 2 是一个视觉语言模型（vision-language model）。它观察场景、接收给它的指令，对眼前的情况进行推理，并规划接下来该做什么^[1]。System 1 则把这些规划转成机器人执行时所需的连续、精确的动作。它的训练数据包括人类演示数据，以及由 NVIDIA 的仿真平台 Omniverse 生成的合成数据^[1]。

这样拆分的好处是：较慢的通用部分可以在不同任务之间基本保持不变，而快速的那部分负责底层控制，必须与具体机器相匹配。这个模型也并不局限于单一任务：NVIDIA 列举的它能处理的事情包括用单臂或双臂抓取和移动物体、在两只手臂之间传递物品，以及需要长上下文的多步骤任务^[1]。

训练数据从哪来

机器人策略通常依靠人类演示数据训练，这类数据采集慢、成本高，覆盖面也有限。NVIDIA 的 Isaac GR00T Blueprint 就是为生成这类数据而设计的流程，它在 11 小时内生成了 78 万条合成轨迹。NVIDIA 表示，这个数量相当于 6500 小时、也就是连续 9 个月的人类演示数据^[1]。

合成数据并没有单独使用。NVIDIA 称，把合成数据与真实数据结合后，GR00T N1 的性能比只用真实数据提升了 40%^[1]。

早期使用与公开情况

在一次演示中，1X 的人形机器人使用一个基于 GR00T N1 后训练得到的策略，自主完成了家务整理任务^[1]。NVIDIA 提到，Agility Robotics、Boston Dynamics、Mentee Robotics 和 NEURA Robotics 是首批获得 GR00T N1 早期访问权的人形机器人开发商^[1]。

NVIDIA 还把 GR00T N1 的训练数据和任务评测场景发布在 Hugging Face 与 GitHub 上，供外部团队查看和复用^[1]。

在发展中的位置

GR00T N1 处于两条技术路线的交汇处：一条是能够对图像与指令进行推理的大型视觉语言模型，另一条是让物理机器人动起来的底层控制软件。双系统设计，就是在同一个模型里把这两者结合起来，并让他人能够在其上继续改造。

对人形机器人而言，值得注意的不只是模型本身，还有它背后的数据问题。在仿真中生成合成轨迹，再与真实演示混合使用，被 NVIDIA 作为绕开人工采集演示数据成本的一条路径；而 40% 的提升，就是为这条路给出的证据^[1]。由于模型是开放出来供后训练的，它的角色很可能是一个共同底座，让不同的机器人厂商各自朝不同方向做专门化；被点名的几家早期访问伙伴，也在各自的硬件上推进。