NVIDIA 升級人形機器人模型 GR00T N1.5：合成數據將訓練縮至 36 小時

教一個人形機器人抓起桌上的杯子，過去最笨也最耗時的辦法，是讓人戴著動捕裝置，在實驗室裡一遍遍演示給它看。動輒耗費兩三個月，換個光線或者換張桌子，機器人可能就又抓空了。

在 COMPUTEX 上，NVIDIA 拿出了一套新解法：與其讓人類手把手教，不如讓 AI 在虛擬世界裡「做夢」，自己學會新動作。

黃仁勳宣佈推出人形機器人基礎模型 Isaac GR00T N1.5，以及一套名為 GR00T-Dreams 的合成動作資料生成藍圖。過去需要人工採集近 3 個月的資料，NVIDIA 靠這套方案只花了 36 小時就搞定了。

讓機器人看一張圖，自己「腦補」怎麼幹活

機器人研發一直卡在資料荒上。自動駕駛可以靠滿街跑的測試車採集幾十萬公里里程，人形機器人可沒法隨便在現實裡摔打。

這次推出的 GR00T-Dreams，核心思路是利用 Cosmos Predict 世界基礎模型。開發者只要餵給系統一張現實環境的照片，它就能自動生成機器人在新環境裡執行新任務的連續影片。

系統再從這些影片裡提煉出動作標記，也就是 action tokens，直接灌進模型訓練。三月份 GTC 釋出的 GR00T-Mimic 是拿人類演示的資料去擴充，而 GR00T-Dreams 則是憑空生成全新的運動軌跡。

有了這套合成數據打底，更新後的 GR00T N1.5 模型在分揀、搬運這類工廠任務裡的成功率明顯提高。它能聽懂使用者的自然語言指令，在新工位和混亂環境下的適應能力也比上一代強得多。

軟硬體一鍋端，拉來全球機器人大廠站臺

除了基礎模型，NVIDIA 順手把整套開發流水線全端了出來。用來篩選資料質量的 Cosmos Reason 已經上了 Hugging Face，它通過思維鏈推理來剔除糟糕的假資料，減少幻覺的 Cosmos Predict 2 也即將上線。

同時開源的還有一個包含 2.4 萬條人形機器人運動軌跡的資料集，以及即將上 GitHub 的 Isaac Sim 5.0 和 Isaac Lab 2.2 模擬框架。

算力硬體也沒落下。聯想、戴爾、惠普等廠商推出了搭載 RTX PRO 6000 Blackwell 的工作站與伺服器；超大規模訓練可以呼叫 GB200 NVL72，資料處理效能最高提升 18 倍；而在機器人本體上，NVIDIA 準備了即將交付的 Jetson Thor 晶片。

臺下的合作名單幾乎囊括了半個人形機器人圈子。波士頓動力、Agility Robotics、小鵬機器人、傅利葉、NEURA Robotics、富士康都在用 Isaac 平臺來做模擬和訓練。

為什麼重要

人形機器人過去幾年最大的痛點，就是「大腦」跟不上「小腦」。硬體本體機械結構越來越精細，但因為現實互動資料少得可憐，機器人進到新廠房依然像個傻子。

NVIDIA 這一套打法的厲害之處，在於它把「現實世界試錯」徹底變成了「虛擬世界自學」。3 個月壓縮到 36 小時，這不是小幅最佳化，而是把研發迭代速度拉高了整整一個數量級。對於那些養不起龐大動捕團隊的中小機器人團隊，開源的 N1.5 和合成資料藍圖幾乎是現成的救命稻草。

不過在我們看來，隱患也藏在合成數據本身。模擬裡的重力、摩擦力和碰撞再逼真，和現實之間永遠隔著一層「模擬到真實」（Sim-to-Real）的差距。靠影片腦補出來的抓取動作，到了滿是灰塵和突發狀況的流水線上，會不會出現意料之外的翻車，還需要工廠的實機驗證。

對行業來說，黃仁勳正在把大語言模型上的統治力原樣搬到具身智慧上。從雲端訓練叢集、世界模型演算法，到底層的 Jetson 車載與機載晶片，NVIDIA 已經把人形機器人的底層標準全佔住了。以後機器人本體公司做得再多，底子大機率還是得流著 NVIDIA 的血液。