Isaac GR00T N1.6

엔비디아🇺🇸 미국Isaac GR00T 계열

행동 생성 (VLA)발표일 2025.09가중치 공개 · NVIDIA One-Way Noncommercial License (가중치) / Apache-2.0 (코드)

CoRL 2025에서 공개된 GR00T 업데이트로, NVIDIA Cosmos Reason을 추론 엔진으로 통합해 휴머노이드 전신 이동-조작(loco-manipulation)을 지원. CES 2026에서 Cosmos Reason 2 연동 및 LeRobot 통합 발표.

파라미터: 3공식
제어 빈도: —값 없음 (미공개이거나 아직 확인하지 못함)
적용 로봇: 1대
벤치마크 결과: 8건

공식 자료프로젝트 페이지 research.nvidia.com 코드 저장소 github.com 가중치 huggingface.co

무엇인가

행동 생성 (VLA) — Vision-Language-Action. 영상과 지시를 받아 로봇의 팔·손 동작으로 바꾸는 AI.
발표일 2025-09
가중치 공개 (NVIDIA One-Way Noncommercial License (가중치) / Apache-2.0 (코드)) — 내려받아 직접 실행·추가 학습할 수 있음
이 모델을 쓰는 로봇 1대
수록된 벤치마크 결과 8건
연결된 학습용 데이터셋 1개

확인된 정보

사양 9개 항목 중 6개에 값이 있음
공식 공식 6개: 구조, 입력, 파라미터 (B), 학습용 데이터셋, 적용 로봇 형태, 추론 하드웨어
벤치마크 결과 8건: 자체 발표 0건 · 자체 발표 외 평가 8건
값 확인일 2025-09 – 2026-01 · 값마다 출처는 아래 '구조와 학습' 표

확인이 필요한 정보

값 없는 기본 사양 (공개 자료에서 찾지 못함): 제어 빈도 (Hz)

어떤 모델인가

Isaac GR00T N1.6은 엔비디아가 CoRL 2025(2025년 9월)에서 발표하고 12월 GEAR 연구 페이지로 상세를 공개한 GR00T 계열 행동 생성 (VLA) 모델로, 휴머노이드가 이동과 조작을 동시에 하는 전신 이동-조작을 겨냥한다. 엔비디아는 이해·계획 (VLM) 모델을 내부 Cosmos 2B 계열 VLM의 변형이라고 설명하며, 이 VLM은 이미지를 원래 비율 그대로 인코딩한다. DiT 액션 헤드는 N1.5의 두 배인 32층으로 키웠고, 대부분의 로봇에서 현재 상태 기준의 상대 행동 청크를 예측하게 바꿨다.

사전학습은 N1.5 데이터에 양팔 YAM, AgiBot Genie-1, 시뮬레이션 Galaxea R1 Pro, Unitree G1 전신 이동-조작 등 수천 시간 분량을 더해 30만 스텝 진행했다. 하위 제어는 Isaac Lab에서 강화학습으로 만든 전신 제어 (RL) 모델이 맡고, COMPASS로 만든 합성 궤적으로 지점 간 이동을 미세조정해 실제 환경에 바로 옮겼다고 밝혔으며, Unitree G1 이동-조작 시연도 공개했다. 엔비디아는 시뮬레이션과 실로봇 모두에서 N1.5보다 낫다고 밝혔지만 정량 수치는 내놓지 않았고, 3B 가중치가 공개됐으며 Hugging Face 모델 카드는 비상업용 라이선스 문서를 링크한다.

회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.

구조와 학습

공식보도루머추정— 값 없음

구조	내부 Cosmos-Reason-2B 변형 이해·계획 (VLM) 모델(네이티브 해상도, 상위 4층 사전학습 중 학습) + 32층 flow-matching DiT 액션 헤드공식
입력	1인칭 카메라 영상, 로봇 상태, 자연어 지시공식
파라미터 (B)	3공식
학습용 데이터셋	N1.5 데이터 혼합 + 수천 시간 텔레오퍼레이션 데이터(양팔 YAM, AgiBot Genie1, 시뮬레이션 Galaxea R1 Pro/BEHAVIOR, Unitree G1 전신 이동-조작)공식
적용 로봇 형태	양팔 YAM 팔, AgiBot Genie1, Galaxea R1 Pro(시뮬레이션), Unitree G1 전신 이동-조작, Fourier GR-1, DROID 데이터셋 등공식
추론 하드웨어	RTX 5090 27.3Hz·H100 26.3Hz·RTX 4090 22.8Hz·Jetson AGX Thor 9.5Hz (4 디노이징 스텝, 단일 뷰); Jetson Orin 배포 지원공식

적용 로봇

G1 유니트리

벤치마크 결과

결과 날짜 최신순 · 같은 벤치마크라도 세부 조건이 다르면 직접 비교할 수 없어요

벤치마크	세부 조건	점수	평가 구분	결과 날짜
LIBERO	평균 (Spatial/Object/Goal/Long)	96.7%	다른 팀 논문 표	2026-05
LIBERO-Plus	Total (7개 교란 차원 종합)	72.6%	다른 팀 논문 표	2026-05
RoboCasa / RoboCasa365	GR-1 Tabletop 평균	47.6%	다른 팀 논문 표	2026-05
RoboCasa / RoboCasa365	RoboCasa Kitchen (24개 과제) 평균	66.2%	다른 팀 논문 표	2026-05
RoboCasa / RoboCasa365	RoboCasa365 평균 (Atomic-Seen/Composite-Seen/Composite-Unseen)	26.9%	다른 팀 논문 표	2026-05
SimplerEnv (SIMPLER)	Google Robot – Variant Aggregation 평균	57.1%	다른 팀 논문 표	2026-05
SimplerEnv (SIMPLER)	Google Robot – Visual Matching 평균	76.1%	다른 팀 논문 표	2026-05
SimplerEnv (SIMPLER)	WidowX (Bridge) 4개 과제 평균	57.1%	다른 팀 논문 표	2026-05

학습용 데이터셋

Open X-Embodiment 구글 딥마인드

출처 7건

github.com [1][2]
research.nvidia.com [1]
developer.nvidia.com [1]
huggingface.co [1]
forums.developer.nvidia.com [1]
arxiv.org [1]

한눈에 읽기