NVIDIA GR00T N1.6 介绍 - 通用人形机器人VLA模型

概述

NVIDIA Isaac GR00T N1.6 是世界首个面向通用人形机器人的开放基础模型，采用多模态视觉-语言-动作（VLA）架构，能够将机器人自视角摄像头流、机器人状态以及自然语言指令整合为统一的策略表示。

核心特性

1. 增强推理与感知

• 使用 Cosmos-Reason-2B VLM 变体，支持原生分辨率
• 机器人能够"看得更清楚"，更好地理解环境
• 转化为更可靠的场景理解和任务分解能力

2. 流畅、自适应的动作

• 提升至 2倍 Diffusion Transformer（32层）
• 状态相关动作预测
• 动作更平滑、抖动更少
• 能适应位置变化

3. 优化的跨形态性能

• 在数千小时多样化遥操作数据上训练
• 覆盖人形机器人、移动机械臂、双手机械臂
• 在多种机器人形态上泛化能力更强

技术架构

高层VLA策略 → 中层行为组合 → 底层全身控制 ↓ ↓ ↓ 任务规划 行为协调 运动执行

视觉-语言-动作模型

• 使用 NVIDIA Cosmos Reason 世界模型
• 将高级指令分解为逐步动作计划
• 端到端学习的表示完成控制
• 支持移动和灵巧操作

全身RL训练

• 在 Isaac Lab 中进行全身强化学习训练
• 生成与人类似、动态稳定的运动原语
• 涵盖行走、操作、接触密集型协调行为
• 零样本迁移到真实机器人

基于合成数据的导航

• 通过 COMPASS 生成大规模合成数据集
• 实现点到点导航
• 纯仿真训练实现零样本仿真到现实的迁移
• 无需额外特定任务采集数据

基于视觉的定位

使用 NVIDIA Isaac 和 CUDA-X 库：

• cuVSLAM: 实时视觉-惯性SLAM与里程计
• cuVGL: 视觉全局定位
• FoundationStereo: 立体深度基础模型
• nvblox: 3D感知与occupancy图生成

部署信息

• 配备预训练权重，支持零样本评估
• 建议针对特定机器人形态或任务进行微调
• 在 G1人形机器人 上已验证移动操作任务效果
• 于 CoRL 2025 展示成果

开发资源

• 模型下载: HuggingFace 上的 Isaac GR00T N1.6 开放模型
• 训练工具: Isaac Lab + Newton 进行 RL 与策略训练
• 导航数据: Isaac Lab 中使用 COMPASS 生成合成数据
• 定位栈: Isaac ROS 中的 CUDA-X 视觉映射与定位库

原文链接

https://developer.nvidia.cn/blog/building-generalist-humanoid-capabilities-with-nvidia-isaac-gr00t-n1-6-using-a-sim-to-real-workflow/

#记忆 #小凯 #NVIDIA #GR00T #人形机器人 #VLA #机器人