Nvidia gibt Humanoiden-Modell Isaac GR00T N1 frei, Neura Robotics aus Metzingen unter den ersten Partnern

Nvidia hat am 18. März 2025 Isaac GR00T N1 vorgestellt, ein offenes Basismodell für humanoide Roboter, dessen Gewichte Entwickler bei Hugging Face und GitHub herunterladen und für ihre eigenen Maschinen nachtrainieren können. Konzernchef Jensen Huang präsentierte das Modell in seiner GTC-Keynote im SAP Center in San Jose, die um 10 Uhr pazifischer Zeit begann. Nvidia bezeichnete GR00T N1 als das weltweit erste offene, vollständig anpassbare Basismodell für allgemeines Denken und Fähigkeiten humanoider Roboter. In derselben Mitteilung kündigte das Unternehmen die quelloffene Physik-Engine Newton an, die es gemeinsam mit Google DeepMind und Disney Research entwickelt, dazu eine Vorlage zur Erzeugung synthetischer Daten und einen offenen Datensatz für physische KI.

Gemessen an Sprachmodellen ist GR00T N1 klein. Laut Nvidias technischem Bericht, der am 18. März als Preprint unter der Nummer 2503.14734 auf arXiv erschien und am 27. März überarbeitet wurde, hat das Modell 2,2 Milliarden Parameter, davon 1,34 Milliarden im Bild-Sprach-Teil. Auf Hugging Face ist der Checkpoint mit Datum 17. März 2025 als GR00T-N1-2B gelistet. Das Vortraining beanspruchte nach Angaben des Preprints rund 50.000 GPU-Stunden auf H100-Chips, verteilt auf bis zu 1.024 Grafikprozessoren. Auf einer Nvidia L40 läuft das Planungsmodul mit 10 Hertz, das Aktionsmodul berechnet 16 Bewegungsschritte in 63,9 Millisekunden und liefert Motorbefehle mit 120 Hertz.

Nvidia beschreibt die Architektur mit Begriffen aus der Kognitionspsychologie. System 2, ein Bild-Sprach-Modell auf Basis von Nvidias Eagle-2 mit dem Sprachmodell SmolLM2 und dem Bildencoder SigLIP-2, wertet Kamerabilder und Anweisungen aus und plant die Handlung. System 1, ein mit Flow Matching trainierter Diffusion Transformer, übersetzt den Plan in kontinuierliche Gelenkbefehle. Beide Module werden gemeinsam trainiert. Nach Nvidias Angaben verallgemeinert das Modell über Aufgaben wie Greifen, Bewegen von Objekten mit einem oder zwei Armen und Übergeben von einer Hand in die andere und bewältigt mehrstufige Aufgaben mit langem Kontext. Für das Nachtraining genügt laut Entwicklerblog eine RTX A6000 oder eine GeForce RTX 4090, ausgeführt werden kann das Ergebnis auf einer RTX A6000 oder einem Jetson-AGX-Orin-Modul.

Frühen Zugang erhielten 1X Technologies, Agility Robotics, Boston Dynamics, Mentee Robotics und Neura Robotics aus Metzingen. Huang zeigte auf der Bühne einen Humanoiden von 1X, der mit einer auf GR00T N1 nachtrainierten Steuerung selbstständig eine Wohnung aufräumte, nach Nvidias Darstellung ein Ergebnis gemeinsamer Arbeit. 1X-Chef Bernt Børnich sagte in der Mitteilung, sein Unternehmen entwickle eigene Modelle, GR00T N1 habe Denkvermögen und Fertigkeiten der Roboter mit wenig Nachtrainingsdaten aber deutlich verbessert.

Das Trainingsrezept nennt Nvidia eine Datenpyramide. Die Basis bilden öffentliche Videos menschlicher Tätigkeiten wie Ego4D und EPIC-KITCHENS. In der Mitte liegen synthetische Daten, darunter 827 Stunden generierter Videotrajektorien und 780.000 mit DexMimicGen simulierte Trajektorien. An der Spitze stehen echte Roboterdaten, darunter 88 Stunden eigener Teleoperation auf dem Humanoiden GR-1 des chinesischen Herstellers Fourier, die Open-X-Embodiment-Sammlung und 140.000 Trajektorien aus dem Datensatz AgiBot-Alpha. Im Preprint schlug GR00T N1 die verbreitete Imitationslern-Referenz Diffusion Policy auf drei Simulations-Benchmarks und erreichte auf einem realen GR-1 eine durchschnittliche Erfolgsquote von 76,8 Prozent gegenüber 46,4 Prozent. Mit nur einem Zehntel der Daten wuchs der Abstand auf 42,6 zu 10,2 Prozent.

Parallel veröffentlichte Nvidia die Werkzeuge für synthetische Daten. Die Isaac GR00T Blueprint für synthetische Manipulationsbewegungen nutzt Omniverse und das Weltmodell Cosmos Transfer, um aus wenigen menschlichen Demonstrationen große Bewegungsdatensätze zu machen. Nvidia erzeugte nach eigenen Angaben in elf Stunden 780.000 Trajektorien, was 6.500 Stunden oder neun Monaten ununterbrochener menschlicher Vorführung entspricht. Gemischt mit echten Daten habe das die Leistung von GR00T N1 um 40 Prozent gegenüber reinen Echtdaten gesteigert. Ein separater offener Datensatz auf Hugging Face startete mit 15 Terabyte, mehr als 320.000 Robotertrajektorien und bis zu 1.000 OpenUSD-Objekten.

Newton ist die längerfristige Wette. Die Engine baut laut Nvidia auf dem hauseigenen Framework Warp auf, ist für Roboterlernen optimiert und soll im Laufe des Jahres 2025 verfügbar werden. Google DeepMind und Nvidia entwickeln zudem MuJoCo-Warp, das Robotik-Lernlasten nach Nvidias Erwartung um mehr als das 70-Fache beschleunigen soll. Disney Research will Newton für seine Plattformen robotischer Figuren nutzen, beginnend mit den von Star Wars inspirierten BDX-Droiden, von denen einer Huang auf der Bühne begleitete.

Huang stellte die Neuheiten in den Kontext des Arbeitskräftemangels. Bis zum Ende des Jahrzehnts würden weltweit mindestens 50 Millionen Arbeitskräfte fehlen, sagte er in der Keynote, und in der Mitteilung erklärte er, das Zeitalter der Generalisten-Robotik sei angebrochen. In derselben Keynote kündigte Nvidia an, dass General Motors Nvidias KI, Simulation und beschleunigtes Rechnen für Fahrzeuge, Fabriken und Robotik einsetzt. GR00T N1 baut auf der ersten Isaac GR00T Blueprint auf, die Nvidia am 6. Januar 2025 auf der CES vorgestellt hatte, wie MEKAWIRE damals berichtete.

Die Konkurrenz rückte in denselben Wochen vor. Figure AI stellte am 20. Februar 2025 Helix vor, ein zweiteiliges Modell mit einem Bild-Sprach-Modul von 7 Milliarden Parametern bei 7 bis 9 Hertz und einer Steuerung mit 80 Millionen Parametern bei 200 Hertz, deren Gewichte im Haus bleiben. Google DeepMind kündigte am 12. März 2025 Gemini Robotics auf Basis von Gemini 2.0 an und öffnete es nur Apptronik und ausgewählten Testern, darunter die Münchner Agile Robots. Physical Intelligence beschrieb sein π0-Modell mit 3,3 Milliarden Parametern und bis zu 50 Hertz Regelfrequenz in einem am 31. Oktober 2024 veröffentlichten Preprint.

Für Europa ist die Personalie Neura bemerkenswert. Das schwäbische Unternehmen, das laut MEKAWIRE-Daten im Januar 2025 eine Series-B-Finanzierung über 120 Millionen Euro abgeschlossen hatte, war der einzige europäische Hersteller auf Nvidias Liste. Für Mittelständler im Maschinen- und Anlagenbau senkt ein frei verfügbares Modell, das sich auf einer einzigen Workstation-GPU nachtrainieren lässt, die Einstiegshürde in lernende Roboter deutlich. Zugleich bindet es Training, Simulation und Steuerung an Nvidia-Hardware, und mit Newton und MuJoCo-Warp entsteht auch der Simulator unter Beteiligung zweier US-Konzerne und der Londoner DeepMind.

Offene Fragen bleiben. Der Preprint vergleicht GR00T N1 nur mit Diffusion Policy und einem BC-Transformer, nicht mit π0, Helix oder Gemini Robotics, und ist nicht begutachtet. Laut Modellkarte ist GR00T N1 weder für sicherheitskritische Anwendungen mit funktionaler Sicherheit getestet noch vorgesehen, für die Industrie ein zentraler Punkt. Die Gewichte stehen unter Nvidias eigener Lizenz, nicht unter einer Standard-Open-Source-Lizenz, und Newton existierte nur als Plan. Am 18. Mai 2025 teilte Nvidia auf der Computex mit, es habe das Nachfolgemodell GR00T N1.5 mit synthetischen Daten in 36 Stunden entwickelt, statt in fast drei Monaten manueller Datensammlung.