人形机器人

为充分理解机器人周围环境，对多模态数据有着极大的需求。为机器人开发收集大量数据集颇具挑战性，而合成数据有助于填补这一数据缺口。

创建：对开发者而言，为各种环境和对象训练机器人很快就会变得昂贵而耗时。借助 GR00T Gen 工作流仿真素材，如视觉多样化的场景、对象和纹理，您可以在仿真中应用域随机化技术和构建有效的机器人策略，并将其部署在现实世界中。

利用多种机器人场景和对象训练人形机器人

生成：AI 机器人还可通过观察和复制人类演示的动作来进行学习。借助 GR00T-Mimic 工作流，您可以从远程操作演示中生成运动数据和轨迹。

压缩：人形机器人依赖视觉数据感知周围环境并与之互动。为使这些机器人能够实时有效地处理图像和视频数据，并通过世界模型等 AI 系统在环境中仿真未来活动，例如如 NVIDIA Cosmos Tokenizer 神经标记器有助于维持更高的图像质量，实现 8 倍压缩率，性能较当前最先进的方法提升 12 倍。 NVIDIA Nemo 可用于训练或调优视频基础模型。 

1X 正在创建新人形机器人标记器， 采用 NVIDIA Cosmos Tokenizer，以获得高时空压缩率。 

灵活操控

人形机器人抓取功能需类似人类的灵活物体操控能力，验证机器人抓取数据需大规模数据集以及一个可执行精细灵活操控的端到端抓取系统。GR00T Dexterity 是一个采用基于强化学习的方法和参考工作流进行该系统开发的模型和策略套件。

Galbot 使用 NVIDIA Isaac Lab 和 Isaac Sim 构建和验证大量抓取动作，演示从仿真到真实的零样本迁移。

机器人移动性

在嘈杂散乱的环境中，通用导航需大量调适。使用 GR00T Mobility 新颖的参考工作流，您可以创建通用移动流程，用于在各种设置和机器人实施例中导航。

基于 Isaac Sim 的仓库环境具有人形、四足和叉车导航场景

全身控制

人形机器人的全身控制极具挑战性，因为需兼顾稳定的灵活操控和稳健的运动能力。GR00T-Control 是一个先进的运动规划和控制模型、策略及参考工作流套件，可简化人形机器人有效控制系统的开发。该套件包含管理机器人执行器的复杂算法，能确保精确和协调运动。

借助 GR00T-Control，您可以通过模拟学习训练全身运动自主策略，并演示远程数据集用于灵活操控和动作的人形机器人 全身技能学习 。

基于 AI 的机器人感知

为提高人形机器人的态势感知能力和交互效率，机器人需具备关于活动、空间、个性化设置和态势感知响应等细节的长期记忆。

GR00T-Perception 是一个使用 Isaac Sim 和 Isaac ROS 构建的感知程序库、基础模型和参考工作流的套件。

机器人工作负载编排

NVIDIA OSMO 编排服务具有云原生、灵活、数据可追溯的特点；您可以将计算任务分配至不同的资源，并在实时管理一系列机器人工作负载的同时提升开发者的工作效率。 OSMO 兼容 Project GR00T 工作流。