NVIDIA 升级人形机器人模型 GR00T N1.5：合成数据将训练缩至 36 小时

教一个人形机器人抓起桌上的杯子，过去最笨也最耗时的办法，是让人戴着动捕设备，在实验室里一遍遍演示给它看。动辄耗费两三个月，换个光线或者换张桌子，机器人可能就又抓空了。

在 COMPUTEX 上，NVIDIA 拿出了一套新解法：与其让人类手把手教，不如让 AI 在虚拟世界里「做梦」，自己学会新动作。

黄仁勋宣布推出人形机器人基础模型 Isaac GR00T N1.5，以及一套名为 GR00T-Dreams 的合成动作数据生成蓝图。过去需要人工采集近 3 个月的数据，NVIDIA 靠这套方案只花了 36 小时就搞定了。

让机器人看一张图，自己「脑补」怎么干活

机器人研发一直卡在数据荒上。自动驾驶可以靠满街跑的测试车采集几十万公里里程，人形机器人可没法随便在现实里摔打。

这次推出的 GR00T-Dreams，核心思路是利用 Cosmos Predict 世界基础模型。开发者只要喂给系统一张现实环境的照片，它就能自动生成机器人在新环境里执行新任务的连续视频。

系统再从这些视频里提炼出动作标记，也就是 action tokens，直接灌进模型训练。三月份 GTC 发布的 GR00T-Mimic 是拿人类演示的数据去扩充，而 GR00T-Dreams 则是凭空生成全新的运动轨迹。

有了这套合成数据打底，更新后的 GR00T N1.5 模型在分拣、搬运这类工厂任务里的成功率明显提高。它能听懂用户的自然语言指令，在新工位和混乱环境下的适应能力也比上一代强得多。

软硬件一锅端，拉来全球机器人大厂站台

除了基础模型，NVIDIA 顺手把整套开发流水线全端了出来。用来筛选数据质量的 Cosmos Reason 已经上了 Hugging Face，它通过思维链推理来剔除糟糕的假数据，减少幻觉的 Cosmos Predict 2 也即将上线。

同时开源的还有一个包含 2.4 万条人形机器人运动轨迹的数据集，以及即将上 GitHub 的 Isaac Sim 5.0 和 Isaac Lab 2.2 仿真框架。

算力硬件也没落下。联想、戴尔、惠普等厂商推出了搭载 RTX PRO 6000 Blackwell 的工作站与服务器；超大规模训练可以调用 GB200 NVL72，数据处理性能最高提升 18 倍；而在机器人本体上，NVIDIA 准备了即将交付的 Jetson Thor 芯片。

台下的合作名单几乎囊括了半个人形机器人圈子。波士顿动力、Agility Robotics、小鹏机器人、傅利叶、NEURA Robotics、富士康都在用 Isaac 平台来做仿真和训练。

为什么重要

人形机器人过去几年最大的痛点，就是「大脑」跟不上「小脑」。硬件本体机械结构越来越精细，但因为现实交互数据少得可怜，机器人进到新厂房依然像个傻子。

NVIDIA 这一套打法的厉害之处，在于它把「现实世界试错」彻底变成了「虚拟世界自学」。3 个月压缩到 36 小时，这不是小幅优化，而是把研发迭代速度拉高了整整一个数量级。对于那些养不起庞大动捕团队的中小机器人团队，开源的 N1.5 和合成数据蓝图几乎是现成的救命稻草。

不过在我们看来，隐患也藏在合成数据本身。仿真里的重力、摩擦力和碰撞再逼真，和现实之间永远隔着一层「仿真到真实」（Sim-to-Real）的差距。靠视频脑补出来的抓取动作，到了满是灰尘和突发状况的流水线上，会不会出现意料之外的翻车，还需要工厂的实机验证。

对行业来说，黄仁勋正在把大语言模型上的统治力原样搬到具身智能上。从云端训练集群、世界模型算法，到底层的 Jetson 车载与机载芯片，NVIDIA 已经把人形机器人的底层标准全占住了。以后机器人本体公司做得再多，底子大概率还是得流着 NVIDIA 的血液。