英偉達發佈 Isaac GR00T 1.7，開源人形機器人端到端開發平臺

英偉達正式發佈 Isaac GR00T 開發平臺，為人形機器人策略開發提供從數據採集到真機部署的完整開源工作流。該平臺旨在解決當前人形機器人開發管線高度碎片化、集成成本高的問題，讓開發者能將更多精力集中在機器人能力構建上。

平臺覆蓋五個關鍵階段：通過 Isaac Lab-Arena 搭建仿真環境並生成數據；利用 Isaac Teleop 採集高質量遙操作演示數據；基於 GR00T 1.7 模型與訓練腳本進行策略訓練；在仿真環境中用 Isaac Lab-Arena 完成策略評估；最後藉助 Isaac ROS 與 Jetson Thor 將策略導出為可部署的 LEAPP 包，實現端側實時推理與控制。

此次發佈的 GR00T 1.7 是平臺的核心組件，也是首個以 Apache 2.0 許可開放商用的通用人形機器人視覺-語言-動作模型。該模型為跨具身架構設計，接收語言、圖像及機器人狀態等多模態輸入，直接輸出動作指令。開發者無需從零訓練策略，可在其預訓練基礎上針對特定機器人、任務和環境進行後訓練微調。

與上一代 N1.6 相比，GR00T 1.7 在多個維度實現升級。預訓練數據規模顯著擴大，包含約 3.2 萬小時真實人類演示與自我中心數據，以及約 8000 小時來自 BEHAVIOR、RoboCasa 和 Simulated GR-1 的仿真 rollout 與演示數據，使動作更接近人類自然表現。視覺骨幹從 Eagle 切換為 Cosmos-Reason2-2B，該架構基於 Qwen3-VL，支持靈活分辨率並以原生寬高比編碼圖像，無需填充。

在部署方面，GR00T 1.7 新增完整的 ONNX 與 TensorRT 導出管線，提升了導出可靠性與更新頻率。模型還通過任務與子任務級分解增強了長程任務推理能力，改善了運動質量與跨具身泛化表現。基準測試顯示，其在 DROID-F0 上提升 10%，DROID-F6 提升 61%，SimplerEnv Bridge 和 Fractal 分別提升 5% 和 2%。

GR00T 1.7 的模型權重已在 GitHub 與 Hugging Face 公開，基礎檢查點參數量為 30 億。多家頭部機器人公司、研究機構以及擴展現實設備製造商已採用該平臺的組件，包括 Isaac Teleop、Lab、Sim 和 ROS，藉助統一工作流降低集成複雜度並加速技能開發。

從產業角度看，這一發布延續了英偉達在機器人基礎模型與仿真工具鏈上的持續投入。開源且可商用的 VLA 模型直接回應了人形機器人領域對可複用、可擴展開發基座的迫切需求，可能進一步推動具身智能從實驗室原型走向規模化部署。對於上游芯片與算力需求、中游機器人本體制造商以及下游應用場景，GR00T 生態的成熟度將成為值得持續追蹤的變量。