NVIDIA опубликовала на Hugging Face открытую модель Isaac GR00T N1.7 класса «зрение-язык-действие» (VLA), предназначенную для управления человекоподобными роботами.
2 мин
NVIDIA опубликовала на платформе Hugging Face открытую модель Isaac GR00T N1.7. Это архитектура типа «зрение-язык-действие» (Vision-Language-Action, VLA), созданная специально для управления гуманоидными роботами. Этот шаг имеет большое значение для индустрии, так как корпорация делает передовые технологии робототехники доступными для широкого круга независимых разработчиков и исследователей.
Долгое время создание программного обеспечения для роботов требовало написания жесткого кода и сложных математических моделей для каждой отдельной задачи. С развитием больших языковых моделей (LLM) индустрия начала переход к обучению роботов на основе мультимодальных данных. Проект GR00T (Generalist Robot 00 Technology) изначально задумывался NVIDIA как фундаментальная платформа для роботов общего назначения, способная понимать текст, видео и физические демонстрации действий человека.
Выпущенная коллекция GR00T N1.7 включает в себя пять компонентов, доступных в открытом виде. В основе лежит модель VLA, которая принципиально отличается от классических текстовых нейросетей. На вход она получает визуальные данные с камер робота и текстовые инструкции от оператора, а на выходе генерирует не слова, а конкретные физические действия — команды для моторов, суставов и манипуляторов. Наличие механизма рассуждения (reasoning) позволяет модели не просто выполнять команды вслепую, а планировать последовательность действий, адаптируясь к изменениям в окружающей среде.
Открытие доступа к такой модели меняет привычную динамику рынка. Исторически передовые разработки в области гуманоидной робототехники оставались закрытыми внутри крупных корпораций. Предоставляя открытую модель, NVIDIA стимулирует сетевой эффект (network effect) вокруг своей программной экосистемы Isaac. Чем больше исследовательских лабораторий и стартапов используют GR00T для своих роботов, тем быстрее развиваются алгоритмы управления, и тем больше аппаратных решений оптимизируется под вычислительные чипы самой NVIDIA.
Интеграция языковых способностей и физических действий в единую нейросеть решает проблему «заземления» искусственного интеллекта. Модель понимает физический контекст задачи: если попросить робота взять яблоко, система должна не просто распознать объект на изображении, но и рассчитать траекторию движения руки с учетом препятствий, а также определить силу захвата.
В ближайшем будущем мы, вероятно, увидим рост числа проектов, использующих GR00T как базовый «мозг» для тестирования новых аппаратных платформ. Пока рано судить, насколько версия N1.7 готова к работе в сложных и непредсказуемых условиях, например, в домашних хозяйствах. Однако для структурированных сред, таких как склады или фабрики, это серьезный технологический скачок. Время покажет, станет ли архитектура VLA от NVIDIA стандартом де-факто в робототехнике, подобно тому, как архитектура Transformer стала основой для обработки естественного языка.
NVIDIA выпустила в открытый доступ модель GR00T N1.7, позволяющую разработчикам использовать передовые ИИ-технологии для создания роботов, понимающих естественный язык и визуальный контекст.
Открывая доступ к программному «мозгу» для роботов, NVIDIA стратегически привязывает будущих разработчиков гуманоидов к своей аппаратной экосистеме и чипам.
