GR00T N1.5

NVIDIA · 2025-05

VLA휴머노이드 VLA3Bflow matching

VLM을 사전·사후학습 모두 동결하고 flow matching에 FLARE(미래 잠재 표현 정렬) 손실(계수 0.2)을 더해 사람 1인칭 영상에서도 배운다.

논문

백본 LLM: Eagle 2.5 VLM 2.1B (내부 LLM 미기재, 동결)
비전 인코더: Eagle 2.5 내장
액션 헤드: flow matching DiT (4스텝) + FLARE (flow matching)
청크: 미공개
제어 주기: 미공개
구조 원문 요약: 동결 Eagle 2.5 VLM(2.1B, 그라운딩 튜닝) + 레이어 정규화를 더한 어댑터 MLP + DiT 행동 헤드(flow matching, 디노이징 4스텝)

사전학습 가속기: H100 1K장
사전학습 기간: 미공개
사전학습 스텝·배치: 250K 스텝 · 배치 16,384
GPU·TPU-시간: 미공개
파인튜닝: H100 또는 L40 1노드 권장, 배치 최대·20k 스텝 권장; LoRA는 A6000 또는 RTX 4090 2장; G1 텔레옵 1K 에피소드 사후학습(GPU·시간 미공개)
데이터 종류: 실로봇 텔레옵 / 시뮬레이션·합성
데이터 규모: 시간 미공개; G1 사후학습 텔레옵 1K 에피소드
주요 데이터셋: 내부 GR-1 데이터, OpenXE, 시뮬 GR-1(DexMG), DreamGen 뉴럴 궤적, AgiBot-Beta
태스크·평가: Language Table 93.2%; Sim GR-1 Language 54.4%; RoboCasa(30데모) 47.5; 실 GR-1 언어 지시 93.3%(N1 46.6%); Unitree G1 기존 물체 98.8%·신규 84.2%(N1 44.0%); DreamGen 새 동사 12개 38.3%
로봇: Fourier GR-1(실), Unitree G1(실), 시뮬 교차 엠바디먼트

추론 장치·속도: H100: VLM 23.18 ms + 행동 헤드 4 × 6.18 = 24.7 ms, 전체 47.88 ms; Jetson Thor TensorRT FP16/FP8+FP4: DiT 5.46/3.41 ms, ViT 5.21/4.10 ms, LLM 8.53/5.81 ms
추론 메모리: 미공개
가중치 bf16 (계산): 6 GB
실행 위치: 미공개

강화학습: 일부 (RL 하위 제어기 결합) · VLA는 모방학습. Unitree G1 실행에 Decoupled WBC(하체 RL·상체 IK) 사용
베이스 제어: 고정 · 보행 명령 언급 없음 (GR-1·G1 집기·놓기 등 상체 조작)

핵심 특징: VLM을 사전·사후학습 모두 동결하고 flow matching에 FLARE(미래 잠재 표현 정렬) 손실(계수 0.2)을 더해 사람 1인칭 영상에서도 배운다. DreamGen 뉴럴 궤적으로 텔레옵 밖의 새 동작에 일반화한다.
비고: 발표월은 검증에서 2025-05(NVIDIA 보도자료 2025-05-18, Computex)로 수정; 연구 페이지는 2025-06-11. HF 카드는 SigLip2·T5·flow matching transformer로 기술해 연구 페이지(Eagle 2.5)와 표기가 다름. 보도자료의 '36시간' 개발은 데이터 생성·개발 소요로 학습 compute가 아니며, 같은 보도자료가 얼리 어답터로 AeiRobot을 명시. Nvidia License(비상업).
검증: 수정 반영