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
- 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。
- 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。
- 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
| O | 30 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 |
| O | 20,854 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) |
| O | 22 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
- Isaac-GR00T 仓库(安装、微调、评测命令)
https://github.com/NVIDIA/Isaac-GR00T - NVIDIA · GR00T N1.7 博客(3B 参数、EgoScale、双系统)
https://huggingface.co/blog/nvidia/gr00t-n1-7 - GR00T N1:双系统 VLA 基础模型(arXiv 2503.14734)
https://arxiv.org/abs/2503.14734