- 类别
- VLA 模型
- 开放程度
- 开源
- 发布时间
- 2025 年 3 月
- 开源协议
- 代码 Apache-2.0,权重 NVIDIA Open Model License(N1 至 N1.6 权重为 NVIDIA OneWay Noncommercial License)
- 发布方所在地
- 美国
项目简介
GR00T N 系列是 NVIDIA 面向通用人形机器人的开源 VLA 基础模型,仓库包含 N1、N1.5、N1.6 和 N1.7。模型由视觉语言骨干和流匹配扩散 Transformer 动作头组成,N1.7 改用 Cosmos-Reason2-2B 作骨干,在双臂、半人形、人形机器人数据和人类视频上预训练。用户可把示教数据转成 GR00T LeRobot 格式做后训练,再用 TensorRT 部署到 Jetson Thor / Orin。
- 规模
- N1 为 2B 参数,N1.5 / N1.6 / N1.7 为 3B 参数;N1.7 预训练数据包含 2 万小时 EgoScale 人类视频
GR00T N1 安装要点
来源:README.md依据官方资料的 n1.7-release 版本整理,核验于 2026-11-06。版本更新后命令可能变化,以官方文档为准。
克隆仓库和子模块
git-lfs 必须先装,否则下不到 demo_data 的 parquet
sudo apt install git-lfs && git lfs install git clone --recurse-submodules https://github.com/NVIDIA/Isaac-GR00T cd Isaac-GR00T安装 uv
curl -LsSf https://astral.sh/uv/install.sh | sh安装 FFmpeg
Ubuntu 25.10+ 和 26.04 的 FFmpeg 8 不能用
sudo apt-get update && sudo apt-get install -y ffmpeg创建环境并安装
dGPU 默认路径;Spark、Thor、Orin 有各自的脚本
uv sync --python 3.12验证安装
uv run python -c "import gr00t; print('GR00T installed successfully')"登录 Hugging Face
先到 nvidia/Cosmos-Reason2-2B 页面申请访问
uv run huggingface-cli login
环境要求
来源:README.md- 推理显存
- 1 块 GPU,16 GB+(RTX 4090、L40、H100、Jetson AGX Thor/Orin、DGX Spark)
- 微调显存
- 1 块以上 GPU,官方建议 40 GB+,推荐 H100 或 L40 节点
- 默认微调峰值来源:hardware_recommendation.md
- 每卡约 35 GB 以内(硬件指南)
- 微调 LLM 或视觉来源:hardware_recommendation.md
- 开 --tune-llm 或 --tune-visual 时建议每卡 80 GB+(硬件指南)
- Python来源:pyproject.toml
- 3.12
- CUDA
- dGPU 12.8;Jetson Thor、Orin 13.2;DGX Spark 13.0
- 操作系统来源:hardware_recommendation.md
- dGPU 用 Ubuntu 22.04+,Orin 用 JetPack 7.2,Thor 和 Spark 用 Ubuntu 24.04(硬件指南)
- FFmpeg
- 4–7,不支持 FFmpeg 8
适配矩阵
来源:hardware_recommendation.md官方实测各平台的显存和推理频率(N1.7,4 步去噪,1 路相机)
| 名称 | 显存 | PyTorch Eager | TensorRT |
|---|---|---|---|
| H100 80GB HBM3 | 80 GB | 11.7 Hz | 35.9 Hz |
| H20 96GB HBM3 | 96 GB | 12.0 Hz | 29.4 Hz |
| RTX Pro 6000 Blackwell | 96 GB | 12.8 Hz | 35.9 Hz |
| RTX Pro 5000 72GB | 72 GB | 7.9 Hz | 24.7 Hz |
| L40 | 48 GB | 7.8 Hz | 26.0 Hz |
| L20 | 48 GB | 7.1 Hz | 23.3 Hz |
| DGX Spark | 128 GB 共享 | 7.9 Hz | 10.1 Hz |
| AGX Thor | 128 GB 共享 | 8.9 Hz | 12.4 Hz |
| Orin | 64 GB 共享 | 2.9 Hz | 6.6 Hz |
常见报错
解法来自官方文档、维护者回复或提问者确认,部分报错出自旧版本。
RuntimeError: Could not load libtorchcodec原因torchcodec 0.8.0 不支持 FFmpeg 8
解决Ubuntu 25.10+ 和 26.04 上改装 FFmpeg<8 运行库,并把库路径加入 LD_LIBRARY_PATH
来源:README.mdconda install -c conda-forge 'ffmpeg<8'GatedRepoError原因骨干 nvidia/Cosmos-Reason2-2B 是受限模型
解决到模型页申请访问,再登录 Hugging Face 或设置 HF_TOKEN
来源:README.mduv run huggingface-cli loginCUDA_HOME is unset解决跑一次 install_deps.sh 配置 CUDA 路径,或手动 export CUDA_HOME=/usr/local/cuda
来源:README.mdbash scripts/deployment/dgpu/install_deps.shptx_get_version()解决CUDA 13.x 平台(Thor、Spark 等)跑官方补丁脚本
来源:README.mduv run bash scripts/patch_triton_cuda13.shImportError: /lib/x86_64-linux-gnu/libc.so.6: version `GLIBC_2.32' not found原因flash_attn 预编译包要 glibc 2.32+,Ubuntu 20.04 只有 2.31
解决不要直接升级 glibc,维护者建议在 Docker 容器里运行
来源:Issue #514
适配机器人
- Unitree G1
- AgiBot G1
- Fourier GR-1
- YAM
- Franka Panda
- WidowX
- Google Robot
- SO-100