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。