英伟达在GTC 2025开放人形机器人基础模型Isaac GR00T N1，训练数据用上傅利叶GR-1和智元数据集，并联手谷歌DeepMind、迪士尼研究院开发Newton物理引擎

英伟达于2025年3月18日发布人形机器人开放基础模型Isaac GR00T N1，开发者可从Hugging Face和GitHub下载权重，并针对自家机器人进行后训练。英伟达创始人兼首席执行官黄仁勋在美国圣何塞SAP中心举行的GTC主题演讲上公布了该模型，演讲于太平洋时间上午10点开始。英伟达称其为全球首个面向通用人形机器人推理与技能的开放、可完全定制的基础模型。同一份新闻稿还宣布了与谷歌DeepMind和迪士尼研究院共同开发的开源物理引擎Newton、一套合成数据生成蓝图以及一个开放的物理AI数据集。

以大语言模型的标准衡量，这个模型并不大。英伟达技术报告以预印本形式于3月18日发布在arXiv（编号2503.14734），3月27日修订。报告显示GR00T N1共有22亿参数，其中13.4亿位于视觉语言模块。Hugging Face页面将该检查点标注为GR00T-N1-2B，发布日期为3月17日。据预印本，预训练耗用约5万个H100 GPU小时，最多动用1024块GPU。在英伟达L40 GPU上，推理模块运行频率为10Hz，动作模块生成16步动作块用时63.9毫秒，电机指令输出频率为120Hz。

英伟达借用人类认知的说法来描述这一架构。“系统2”是基于英伟达Eagle-2的视觉语言模型，由SmolLM2语言模型和SigLIP-2图像编码器组成，负责读取摄像头画面和指令并规划动作。“系统1”是采用流匹配训练的扩散Transformer，将规划转化为连续的关节指令。两个模块端到端联合训练。英伟达表示，模型可泛化到抓取、单臂或双臂搬运、双手之间传递物品等常见任务，也能完成需要长上下文的多步骤任务。英伟达开发者博客称，后训练只需一块RTX A6000或GeForce RTX 4090，部署可在RTX A6000或Jetson AGX Orin上运行。

首批早期合作伙伴为1X Technologies、Agility Robotics、波士顿动力、Mentee Robotics和NEURA Robotics。黄仁勋在台上展示了1X人形机器人借助基于GR00T N1后训练的策略自主整理家居的画面，英伟达称这是双方合作的成果。1X首席执行官Bernt Børnich在新闻稿中表示，1X在开发自己的模型，但GR00T N1只需少量后训练数据就显著提升了机器人的推理和技能。

中国产业链在训练数据中占有显眼位置。英伟达把训练方法称为“数据金字塔”。底层是Ego4D、EPIC-KITCHENS等公开的人类视频；中间层是合成数据，包括827小时生成的视频轨迹和用DexMimicGen生成的78万条仿真轨迹；顶层是真实机器人数据，包括英伟达在傅利叶GR-1人形机器人上自行采集的88小时遥操作数据、Open X-Embodiment数据集，以及智元机器人AgiBot-Alpha数据集中的14万条轨迹。预印本中，GR00T N1在三项仿真基准上均超过常用模仿学习基线Diffusion Policy；在真实GR-1上平均成功率为76.8%，对方为46.4%。只用10%数据时，差距扩大到42.6%对10.2%。

合成数据工具同步推出。“用于合成操作动作生成的Isaac GR00T蓝图”借助Omniverse和Cosmos Transfer世界模型，把少量人类示范扩充成大规模动作数据集。英伟达称，用该方法在11小时内生成了78万条轨迹，相当于6500小时、连续9个月的人类示范；与真实数据混合训练后，GR00T N1性能比只用真实数据提高40%。该蓝图通过build.nvidia.com和GitHub提供。另一个发布在Hugging Face上的开放数据集首批规模为15TB，包含32万条以上机器人训练轨迹和最多1000个OpenUSD资产，加州大学伯克利分校DeepDrive中心、卡内基梅隆大学Safe AI实验室和加州大学圣迭戈分校情境机器人研究所为首批用户。

Newton是更长远的布局。英伟达表示，该引擎基于自家Warp框架并针对机器人学习优化，预计2025年晚些时候推出。谷歌DeepMind与英伟达另行开发MuJoCo-Warp，英伟达预计可将机器人机器学习工作负载提速70倍以上。迪士尼研究院计划将Newton用于机器人角色平台，首先是受《星球大战》启发的BDX机器人，其中一台在主题演讲中与黄仁勋同台。

黄仁勋把这次发布与劳动力缺口联系起来。他在演讲中说，到这个十年结束时，全球将至少短缺5000万名工人；他在新闻稿中表示，通用机器人的时代已经到来。同一场演讲还宣布通用汽车将在车辆、工厂和机器人领域采用英伟达AI、仿真和加速计算。正如MEKAWIRE此前报道，英伟达已在2025年1月6日的CES上推出首个Isaac GR00T蓝图，GR00T N1是在这一基础上的模型产品。

竞争对手在同一时段密集出手。Figure AI于2月20日发布Helix，由70亿参数视觉语言模块（7至9Hz）和8000万参数控制策略（200Hz）组成，权重未公开。谷歌DeepMind于3月12日发布基于Gemini 2.0的Gemini Robotics，仅向Apptronik和部分受信任测试方开放。Physical Intelligence在2024年10月31日首发的预印本中介绍了33亿参数、最高50Hz控制的π0模型。

对中国企业而言，这一发布有两面性。傅利叶的GR-1是GR00T N1真实环境验证的主要平台，智元的开放数据集进入了预训练，说明中国硬件和数据已嵌入美国主导的开放模型生态。但五家早期合作伙伴中没有一家中国公司。GR00T N1的部署又高度依赖英伟达GPU和Jetson模组，一旦相关芯片供应受到限制，基于该模型的国产机器人方案将面临替换成本。

不确定性同样突出。预印本的对比对象是Diffusion Policy和BC-Transformer，没有与π0、Helix或Gemini Robotics直接比较，也未经同行评审。Hugging Face模型卡注明，该模型未经测试、也不用于需要功能安全的关键任务场景。权重采用英伟达自有许可，而非标准开源许可，Newton当时也仅停留在计划阶段。英伟达后来在2025年5月18日的台北国际电脑展上表示，借助合成数据仅用36小时就开发出后续版本GR00T N1.5，而人工采集需要近三个月。