英伟达正式发布 Isaac GR00T 开发平台，为人形机器人策略开发提供从数据采集到真机部署的完整开源工作流。该平台旨在解决当前人形机器人开发管线高度碎片化、集成成本高的问题，让开发者能将更多精力集中在机器人能力构建上。
平台覆盖五个关键阶段：通过 Isaac Lab-Arena 搭建仿真环境并生成数据；利用 Isaac Teleop 采集高质量遥操作演示数据；基于 GR00T 1.7 模型与训练脚本进行策略训练；在仿真环境中用 Isaac Lab-Arena 完成策略评估；最后借助 Isaac ROS 与 Jetson Thor 将策略导出为可部署的 LEAPP 包，实现端侧实时推理与控制。
此次发布的 GR00T 1.7 是平台的核心组件，也是首个以 Apache 2.0 许可开放商用的通用人形机器人视觉-语言-动作模型。该模型为跨具身架构设计，接收语言、图像及机器人状态等多模态输入，直接输出动作指令。开发者无需从零训练策略，可在其预训练基础上针对特定机器人、任务和环境进行后训练微调。
与上一代 N1.6 相比，GR00T 1.7 在多个维度实现升级。预训练数据规模显著扩大，包含约 3.2 万小时真实人类演示与自我中心数据，以及约 8000 小时来自 BEHAVIOR、RoboCasa 和 Simulated GR-1 的仿真 rollout 与演示数据，使动作更接近人类自然表现。视觉骨干从 Eagle 切换为 Cosmos-Reason2-2B，该架构基于 Qwen3-VL，支持灵活分辨率并以原生宽高比编码图像，无需填充。
在部署方面，GR00T 1.7 新增完整的 ONNX 与 TensorRT 导出管线，提升了导出可靠性与更新频率。模型还通过任务与子任务级分解增强了长程任务推理能力，改善了运动质量与跨具身泛化表现。基准测试显示，其在 DROID-F0 上提升 10%，DROID-F6 提升 61%，SimplerEnv Bridge 和 Fractal 分别提升 5% 和 2%。
GR00T 1.7 的模型权重已在 GitHub 与 Hugging Face 公开，基础检查点参数量为 30 亿。多家头部机器人公司、研究机构以及扩展现实设备制造商已采用该平台的组件，包括 Isaac Teleop、Lab、Sim 和 ROS，借助统一工作流降低集成复杂度并加速技能开发。
从产业角度看，这一发布延续了英伟达在机器人基础模型与仿真工具链上的持续投入。开源且可商用的 VLA 模型直接回应了人形机器人领域对可复用、可扩展开发基座的迫切需求，可能进一步推动具身智能从实验室原型走向规模化部署。对于上游芯片与算力需求、中游机器人本体制造商以及下游应用场景，GR00T 生态的成熟度将成为值得持续追踪的变量。