# GR00T-N1-2B

> 权威词条地址：https://robotics.hellobike.com/models/nvidia-gr00t-n1-2b
> 所属分类：models | 最近核验日期：2025-09-02 | 技术层级：L7, L8

## 核心摘要

nvidia 在 Hugging Face 发布的机器人模型，架构为 GR00T_N1，参数规模 2.2B，训练数据包含 nvidia/PhysicalAI-Robotics-GR00T-X-Embodiment-Sim。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `overview_sources` | ["https://huggingface.co/nvidia/GR00T-N1-2B"] |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/nvidia/GR00T-N1-2B"}] |
| `updated` | 2025-09-02 |
| `vendor` | nvidia |
| `family` | vla |
| `params` | 2.2B |
| `architecture` | GR00T_N1 |
| `action_representation` | 连续扩散去噪轨迹 (Diffusion Action Trajectory) |
| `code_license` | Apache-2.0 |
| `weights_license` | Apache-2.0 |
| `data_formats` | ["SafeTensors"] |
| `pretraining_data` | ["nvidia/PhysicalAI-Robotics-GR00T-X-Embodiment-Sim"] |
| `status` | research |
| `hub_id` | nvidia/GR00T-N1-2B |
| `hub_stats` | {"downloads": 435, "likes": 359, "as_of": "2026-10-21"} |

## 技术详解与生态说明

GR00T-N1-2B 属于 NVIDIA Isaac GR00T N1 系列，被描述为面向通用人形机器人推理与技能的开放基础模型。它接收语言、图像、本体感知和 embodiment ID 等多模态输入，输出对应机器人电机控制的连续值动作向量，用于不同环境中的操作任务，并可用真实或合成数据针对特定人形机器人或任务进行后训练。

模型架构使用视觉和文本 Transformer 编码机器人图像观测与文本指令；RGB 相机帧由预训练 SigLip2 视觉 Transformer 处理，文本由预训练 T5 编码。本体感知通过按 embodiment ID 索引的 MLP 编码，动作编码和速度预测解码也使用 MLP；动作序列由 flow matching Transformer 建模，并以 DiT 和 AdaLN 实现扩散步条件。

训练数据为 GR00T Pretraining Data，采集方式包含人类与合成数据，标注方式包含人工与自动标注，模态包括 RGB 相机、机器人本体感知和执行器数据。评估覆盖仿真和真实机器人基准，包括 DexMG、RoboCasa、Digital Cousin 的仿真操作任务，以及真实实验室中的 grocery packing 和工业多机器人交接协同。模型运行引擎为 PyTorch，许可为 Nvidia License，并声明不适用于需要功能安全的关键任务应用。

## 原始核验来源 (Sources)

- [Hugging Face nvidia/GR00T-N1-2B](https://huggingface.co/nvidia/GR00T-N1-2B)