Project GR00T

是什么

Project GR00T 是 NVIDIA 在 2024 年 3 月公布的一项计划，公司把它描述为面向人形机器人的通用基础模型（general-purpose foundation model）^[1]。所谓基础模型（foundation model），是指先在一个覆盖面很广的目标上训练出一个大模型，再拿它作为起点去适配具体任务，而不是为每台机器、每个动作各写一套程序。对人形机器人（humanoid robot）来说，这样的起点有很实际的意义：感知、理解语言、控制身体这些能力可以共享同一个底座，不必每换一具身体就从头搭一遍。

由来

公布时的媒体报道把这项计划放在一波人形机器人新公司的背景里。TechCrunch 写道，NVIDIA 正在为近来涌入这一品类的一批公司搭建一个 AI 平台^[1]。同一篇报道列举了当时这一领域的人形机器人厂商：1X Technologies、Agility Robotics、Apptronik、Boston Dynamics、Figure AI、Fourier Intelligence、Sanctuary AI、Unitree Robotics 和 XPENG Robotics^[1]。这份名单本身就说明了行业的分散程度：硬件形态各不相同，软件栈和训练流程也各成一套。如果有一个共同平台可用，这些团队就不必把同样的地基反复铺一遍。

GR00T N1

2025 年 3 月 18 日，NVIDIA 发布 Isaac GR00T N1，称它是全球首个开放的、可完全定制的、面向通用人形推理与技能的基础模型^[2]。这个描述里有两个词值得留意。「开放」意味着模型是给外部团队查看和改造的，而不是锁在某个服务接口后面；「可完全定制」意味着它只是起点，团队要拿它针对自己的机器人身体和具体任务做微调。NVIDIA 说 GR00T N1 是一个可完全定制的模型系列中的第一个，也就是说后续还会有同系列的其他成员^[2]。

NVIDIA 还表示，GR00T N1 的训练数据和任务评测场景可以从 Hugging Face 和 GitHub 下载^[2]。把数据和模型一起放出来是有实际考虑的：研究者可以复现公开的结果，机器人厂商也可以在投入整机项目之前，先用这些场景测一测模型。评测场景还有第二重作用——它给这个领域提供一把共同的尺子。没有共同的尺子，每个实验室都只在自家机器上报告成绩，数字之间没法互相比较。

在发展中处于什么位置

人形机器人的难处一半在机械，一半在计算。一台要在为人设计的楼宇里行走、抓取、避让的机器，必须把摄像头和关节传感器送来的一连串带噪声的信号，迅速而持续地变成动作指令；一旦换一具身体或换一个任务，这套映射的很大一部分就得重做。基础模型的思路是把共性的部分——看懂场景、听懂指令——抽出来共享，把差异留给微调。

从这个角度看，GR00T 值得记录的地方不在于某一次演示，而在于它把「通用」和「开放」两个词放到了人形机器人的软件层：前者指向一套可以跨身体复用的模型，后者指向让外部团队能够检验和改进它。对一个标准尚未成形、各家自建一套的行业来说，一个共享的模型加上共享的数据与评测场景，改变的是工作的单位——从一台机器人一台机器人地做，变成一个平台供许多团队使用。