GR00T-N1.7-3B
קוד פתוחnvidiaרישיון לא דווח2026-02-25
nvidia עומדים גם מאחורי NVIDIA AI, ויש עליו סקירה כאן.
בסיס רב-מודלי שמתרגם מצלמה, פקודות טקסט ומצב מפרקים ישירות לווקטורי תנועה לרובוטים. המטרה כאן היא לא עוד צ'אטבוט, אלא מנוע קבלת החלטות ששולט פיזית בחומרה.
- 3.1Bפרמטרים
- 1,024טוקנים בהקשר
- 6.5 GBמשקל הקבצים
- 79,867הורדות בחודש
מה זה
הארכיטקטורה מחברת בין מודל שפה וראייה Cosmos-Reason2-2B עם אנקודר SigLip2 ותמונות מצלמה, לבין מודל פעולה מבוסס Diffusion Transformer. הוא לוקח פקודה מילולית, תמונות RGB ומצב גוף של הרובוט, ופולט וקטורי מהירות רציפים שמזיזים מנועים לפי מזהה השלדה שלו.
הוא אומן על 21.6 מיליון נקודות דאטה מ־13 מאגרי מידע שונים, כולל סימולציות ורובוטים אמיתיים במשימות כמו אריזת מצרכים ותיאום תעשייתי. ההבדל הגדול בינו לבין מודלים בגודל 3 מיליארד פרמטרים רגילים הוא שהפלט אינו טקסט, אלא תנועה פיזית בזמן אמת שמיועדת למניפולציה מורכבת בסביבות משתנות.
מתאים ל
- בקרת זרוע רובוטית
שליטה בזרוע מפרקית שמקבלת תמונות מצלמה ומבצעת אחיזת חפצים לפי הוראה קולית.
- אימון רובוטים דמויי אדם
מודל בסיס לכיול תנועות גוף עליון בסימולטורים כמו RoboCasa לפני מעבר לחומרה.
- רובוטיקה תעשייתית משותפת
מסירת חפצים ותיאום משימות בין כמה רובוטים על פס ייצור בעזרת זיהוי חזותי.
איפה זה נופל
החולשה העיקרית היא חומרת הקצה. על מעבדי Orin לא ניתן להריץ את ה־Backbone המלא ב־TensorRT 10.3, מה שמפיל את הביצועים לתדר נמוך שלא מתאים לתנועות רובוטיות מהירות. בנוסף, חלון ההקשר מוגבל ל־1,024 טוקנים בלבד, כך שאי אפשר להעביר היסטוריית שיחה ארוכה או רצף פקודות מורכב. נדרש אימון נוסף עם נתונים מהרובוט הספציפי שלכם כדי למנוע התנהגות בלתי צפויה בסביבה אמיתית.
שאלות
נפוצות
אפשר להריץ את המודל על מעבדי אינטל או כרטיסים של AMD?
לא. הארכיטקטורה נשענת על ספריות CUDA ודורשת כרטיסי NVIDIA תואמי Ampere, Lovelace, Hopper או Blackwell. ללא חומרה זו, זמני הריצה לא יאפשרו בקרה פיזית.
האם הוא יכול לשמש כצ'אטבוט רגיל לשאלות ותשובות?
ממש לא. למרות שהוא משתמש במודל Cosmos-Reason2-2B כבסיס, הפלט של המערכת הוא וקטור מספרי שמזיז מנועים ולא טקסט שניתן לקרוא.
איך מריצים
אי אפשר להריץ אותו דרך API מרוחק, כי שליטה בזרוע רובוטית דורשת תדר עבודה של 20 עד 35 הרץ ולא סובלת שיהוי רשת. מריצים אותו מקומית על מערכות לינוקס באמצעות PyTorch עם אופטימיזציה של TensorRT.
הוא דורש חומרת NVIDIA בלבד מארכיטקטורת Ampere ומעלה. בכרטיסי שרת כמו H100 או RTX Pro 6000 תגיעו ל־35.9 הרץ בזמן של 27.9 מילי-שניות, אבל במחשבי קצה כמו Jetson Orin תקבלו רק 4.6 הרץ, וזה גבולי מאוד לשליטה חלקה.
pip install -U huggingface_hub hf download nvidia/GR00T-N1.7-3B
הקבצים
27 קבצים במאגר, 6.5 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
- model-00001-of-00002.safetensors5.0 GB
- model-00002-of-00002.safetensors1.9 GB
- statistics.json4.3 MB
- experiment_cfg/dataset_statistics.json4.3 MB
- trainer_state.json3.2 MB
- model-architecture.png3.2 MB
- experiment_cfg/initial_actions.npz1.6 MB
- model.safetensors.index.json105.0 KB
- experiment_cfg/final_processor_config.json43.4 KB
- experiment_cfg/config.yaml35.0 KB
- zero_to_fp32.py33.3 KB
- experiment_cfg/conf.yaml31.2 KB
- processor_config.json21.1 KB
- README.md13.1 KB
- training_args.bin8.3 KB
- LICENSE4.1 KB
- EXPLAINABILITY.md2.5 KB
- embodiment_id.json2.1 KB
- config.json2.1 KB
- .gitattributes1.6 KB
- experiment_cfg/final_model_config.json1.5 KB
- scheduler.pt1.3 KB
- SAFETY_and_SECURITY.md1.1 KB
- PRIVACY.md551 B
- wandb_config.json200 B
- latest17 B
- SUCCESS0 B
הרישיון
הרישיון הרשמי בעמוד לא דווח, אך הטקסט מפנה ל־NVIDIA Open Model License ומציין שהמודל פתוח לשימוש מסחרי ולא-מסחרי. המשמעות עבורכם היא שאי אפשר להסתמך רק על המטא-דאטה בחנות, וחובה לבדוק את תנאי ההסכם של אנבידיה לפני שילוב שלו במוצר סגור.