GR00T N1.6

NVIDIA · 2025-09

VLA휴머노이드 VLA3Bflow matching

N1.5의 VLM 뒤 4층 어댑터를 없애고 VLM 상위 4층을 풀었으며 DiT를 2배(32층)로 키웠다.

논문

백본 LLM: Cosmos-Reason-2B 변형 (README) / Eagle-Block2A-2B-v2 (N1.7 README)
비전 인코더: VLM 내장
액션 헤드: flow matching DiT 32층 (4스텝) (flow matching)
청크: 미공개
제어 주기: 미공개
구조 원문 요약: 내부 Cosmos-Reason-2B 변형 VLM(연구 페이지 표기 Cosmos-2B 변형), 상위 4층 학습 + 32층 DiT; 대부분 엠바디먼트에서 상태-상대 행동 청크

사전학습 가속기: 미공개
사전학습 기간: 미공개
사전학습 스텝·배치: 300K 스텝 · 배치 16,384
GPU·TPU-시간: 미공개
파인튜닝: 10K~30K 스텝·배치 1K 이하; H100 또는 L40 1노드 권장(A6000 가능, 더 오래 걸림); 단일 GPU 예시 2,000 스텝·배치 32
데이터 종류: 실로봇 텔레옵 / 시뮬레이션·합성
데이터 규모: N1.5 혼합 + 텔레옵 수천 시간 추가; 기본 체크포인트(N1.5·N1.6) 로봇 데이터 10k+시간
주요 데이터셋: N1.5 혼합 + YAM 양팔, AgiBot Genie-1, 시뮬 Galaxea R1 Pro(BEHAVIOR), Unitree G1 전신 로코-매니퓰레이션 텔레옵
태스크·평가: 시뮬 조작 벤치마크와 실 YAM·AgiBot Genie-1·Unitree G1에서 N1.5 대비 향상(수치 미공개); G1 로코-매니퓰레이션 pick-and-place 파인튜닝 체크포인트 공개
로봇: Unitree G1(전신), AgiBot Genie-1, 양팔 YAM, 시뮬 Galaxea R1 Pro 등 교차 엠바디먼트

추론 장치·속도: 디노이징 4스텝·단일 뷰·torch.compile: RTX 5090 37 ms(27.3 Hz), H100 38 ms(26.3 Hz), RTX 4090 44 ms(22.8 Hz), Thor 105 ms(9.5 Hz)
추론 메모리: 미공개
가중치 bf16 (계산): 6 GB
실행 위치: 미공개

강화학습: 일부 (RL 하위 제어기 결합) · VLA는 모방학습. G1 전신 로코-매니퓰레이션에 Decoupled WBC(하체 RL·상체 IK) 결합
베이스 제어: 바퀴형·휴머노이드 보행 (명령·잠재 → RL 보행 제어기) · G1: VLA가 navigate_command·base_height_command 출력 → RL 하체 WBC가 보행; 시뮬 R1 Pro(BEHAVIOR)는 base 행동 직접 출력

핵심 특징: N1.5의 VLM 뒤 4층 어댑터를 없애고 VLM 상위 4층을 풀었으며 DiT를 2배(32층)로 키웠다. Decoupled WBC(RL 하체·IK 상체)와 결합해 Unitree G1 전신 로코-매니퓰레이션을 한다.
비고: 발표월은 검증에서 2025-09(보도자료 2025-09-29, 'available soon')로 수정; WBC 저장소 2025-11-12, 연구 페이지 2025-12-15. 백본 표기가 NVIDIA 1차 출처끼리 충돌(README Cosmos-Reason-2B, 연구 페이지 Cosmos-2B, N1.7 README는 Eagle-Block2A-2B-v2에서 교체했다고 씀). '10k+ hours'는 N1.5·N1.6 기본 체크포인트를 함께 설명하는 문장. 하드웨어 가이드: 8× RTX PRO 6000 Blackwell 서버(스타터), DGX B300, 배포 Jetson AGX Thor.
검증: 수정 반영