GR00T N1.7

NVIDIA · 2026-03

VLA2026 신규3Bflow matching

EgoScale 사람 영상 20K시간과 로봇 시연으로 사전학습한 공개 추론형 VLA다.

논문

백본 LLM: Cosmos-Reason2-2B (Qwen3-VL 구조)
비전 인코더: Qwen3-VL 비전
액션 헤드: flow matching DiT 16층 (4스텝) (flow matching)
청크: 40스텝
제어 주기: 미공개
구조 원문 요약: Cosmos-Reason2-2B VLM(Qwen3-VL 구조) + 플로 매칭 DiT 액션 헤드(AdaLN, 16층; N1.6은 32층); 상태·액션 차원 132, 40스텝 호라이즌; 사람·로봇 공유 상대 엔드이펙터 액션 공간

사전학습 가속기: GB200 64노드 × 노드당 GPU 4개 (원문 '64 GB200 nodes * 4 gpus per node')
사전학습 기간: 120시간
사전학습 스텝·배치: 미공개
GPU·TPU-시간: 30,720 (환산 · GB200-시간 (64노드×4 GPU × 120시간))
파인튜닝: 미공개 (사용자 파인튜닝 지원)
데이터 종류: 사람 영상(EgoScale 1인칭) + 실로봇 텔레옵 + 시뮬레이션·합성
데이터 규모: 사람 영상 20K시간(README; 2차 약 32,000시간); 데이터 포인트 21.6M, 데이터셋 13종(Bridge 60,096 궤적, DROID 약 76,000 궤적, LIBERO 130과제 포함)
주요 데이터셋: EgoScale 사람 영상, Bridge, DROID, LIBERO 등 13종
태스크·평가: 시뮬레이션 DexMG 9·RoboCasa 24·Digital Cousin GR-1 24과제, 실로봇 식료품 포장·새 물체·다중 로봇 협업(카드 수치 없음); 일부 시뮬레이션 61% 향상(2차); G0.5 논문 R1lite/R1pro 24.4%
로봇: GR-1(시뮬레이션) 등 휴머노이드·교차 엠바디먼트; 실로봇 기종 카드 미기재

추론 장치·속도: TensorRT 전체 파이프라인: H100 80GB·RTX Pro 6000 27.9 ms(35.9 Hz), AGX Thor 93.8 ms(10.7 Hz); Jetson Orin 216.5 ms(4.6 Hz)는 TensorRT DiT-only; 디노이징 4스텝·카메라 1대
추론 메모리: 미공개
가중치 bf16 (계산): 6 GB
실행 위치: 미공개

강화학습: 미사용 · 사람 영상·로봇 데이터 지도학습(공개 범위)
베이스 제어: 휴머노이드 보행 (명령·잠재 → RL 보행 제어기) · G1(SONIC 태그): VLA가 잠재 행동 토큰 출력 → SONIC 학습형 WBC가 다리 포함 전신 관절로 디코딩해 보행·조작

핵심 특징: EgoScale 사람 영상 20K시간과 로봇 시연으로 사전학습한 공개 추론형 VLA다. 과제·하위과제 수준 추론과 손가락 단위 손재주 제어를 지원한다.
비고: 수정 반영: Jetson Orin 값은 TensorRT DiT-only 모드로 다른 기기(전체 파이프라인)와 조건이 다름. 얼리 액세스 2026-03-16(보도자료), 포럼 2026-04-17, GA 날짜 2026-07-07†(2차). 라이선스: 가중치 NVIDIA Open Model License, 코드 Apache 2.0(README 개요의 'Apache 2.0 상업 이용' 문장과 내부 상충). 사전학습 에너지 41,288 kWh, 16.949 tCO2e. GPU·TPU-시간은 노드×GPU×시간 환산값. 데이터 시간(h)은 README 사람 영상분(로봇 시연 별도).
검증: 수정 반영