首页 / 实体
GR00T（NVIDIA）新增
NVIDIA 的人形机器人开放基础模型系列，官方定位为 VLA。主题页：具身智能与机器人基础模型（VLA / WAM）；资料页：VLA vs WAM 深度调研（2026-10，ChatGPT Deep Research 二手报告）（ChatGPT Deep Research 二手报告）、通用大模型迈向 AGI 并结合递归自我改进后，是否会替代 VLA？（ChatGPT Deep Research 二手报告，待核实）（📥 二手报告，待核实）。
要点
- ✅ 摘要一致：GR00T N1 是双系统 VLA——视觉语言模块（System 2）理解环境与指令，扩散 Transformer（System 1）实时生成动作，两者端到端联合训练；训练数据混合真机轨迹、人类视频与合成数据（arXiv 2503.14734） Grok Bot 对话
- 待核实（报告数字）：N1-2B 共 2.2B 参数（Eagle-2 VLM 约 1.34B）；System 2 约 10 Hz，控制环 120 Hz；16 步动作块 L40 bf16 63.9 ms；88 小时遥操作经视频生成扩到 827 小时；预训练约 50,000 H100 GPU 小时、最多 1,024 卡 Grok Bot 对话
- RoboTTT ✅ 2026-10-25 联网补缺（arXiv 摘要）：在 GR00T N1.7 的 16 层 DiT 动作头里加入测试时训练层，上下文扩到 8K 时间步（约 5 分钟），比 1K 预训练 +62%、比单步基线 +87% Grok Bot 对话 原文
- 待核实（查过 2026-10-25）：2026-04 NVIDIA 以"open reasoning VLA"早期访问发布 GR00T N1.7 Grok Bot 对话
- 报告的解读：GR00T 说明 VLA 可以借视频生成生态解决数据扩展，而部署时不必变成 WAM Grok Bot 对话
- 📥 另一份报告：称 GR00T 1.7 于 2026-07-07 发布，支持端到端开发人形策略。✅ 2026-10-25 联网补缺：NVIDIA 开发者博客落款 Jul 07, 2026；3B 参数、Apache 2.0、Cosmos-Reason2-2B 骨干、约 32K 小时真机 + 约 8K 小时仿真数据，可部署到 Jetson Thor；报告把 GR00T 当作"系统变强、专门动作通路仍被保留"的例子 本地导入 原文