物理AI实验室 // 第 3.5 集 // 一页纸

GR00T 微调实战

把开放的人形大模型,调到你自己的机器人上

三个要点

  1. GR00T N1.7 是开放、可商用的人形 VLA:30 亿参数、双系统架构(O),预训练用了 20,854 小时人类第一视角视频(O),底子很足。
  2. 微调先备数据:做成 LeRobot 格式并写好 modality 配置(每一维接到具体关节);先用一小份示例数据练手,仓库有哪些转换脚本和示例,以仓库说明为准。
  3. 一条命令接着练一小段,单卡即可(显卡与显存要求以仓库说明为准);用开环评测(预测 vs 真实动作)把关,但开环好不等于真机闭环稳。

证据:O 官方一手 · R 学术文献 · M 媒体二手

O30 亿GR00T N1.7 是 30 亿参数的开放视觉-语言-动作模型(看图、听指令、输出连续动作)
O可商用英伟达称 GR00T N1.7 是开放、带商用许可的模型
O20,854 小时GR00T N1.7 预训练用的人类第一视角视频时长(EgoScale,跨 20 多类任务)
O翻倍以上英伟达称,人类视频从 1000 小时加到 20000 小时,平均任务完成率翻倍以上(灵巧度 scaling law)
O22 自由度这条灵巧度规律,让 22 个自由度的灵巧手也能完成接触密集的精细任务

延伸阅读