Nvidia vient d'offrir à chaque laboratoire de robotique le même coup de pouce de 10 points

Jusqu'à récemment, former un robot humanoïde polyvalent pour attraper une fiole et la placer dans un rack nécessitait l'achat de matériel spécialisé coûteux, la manipulation de piles logicielles propriétaires, ou le recours à des environnements de simulation qui se transfèrent rarement proprement dans le monde réel. La sortie de GR00T 1.7 sur LeRobot par Nvidia, associée au framework Isaac Teleop, réduit cet entonnoir en un seul workflow open source que tout laboratoire équipé d'un bras SO-101 et d'un GPU peut exécuter. how-local-llms-like-gemma-and-qwen-are-taming-open-source-repository-triage-at-scale

Ce qui a changé

GR00T 1.7 est un modèle de fondation Vision-Langage-Action pour les robots humanoïdes. Il ingère des images de caméra et une instruction en langage, puis produit des séquences d'actions au niveau des articulations. Le modèle remplace GR00T N1.5 dans l'écosystème LeRobot, ce qui signifie que les équipes utilisant déjà LeRobot peuvent échanger les modèles sans repenser leur pipeline. Isaac Teleop propose deux voies de collecte de données : un casque VR avec contrôleurs manuels, ou le bras leader SO-101. Les deux enregistrent des démonstrations dans un format que les scripts d'entraînement de LeRobot consomment directement.

La qualité et la quantité des données restent le goulot d'étranglement dominant dans l'apprentissage robotique. Les systèmes propriétaires de Boston Dynamics ou Tesla produisent des démos soignées mais enferment les chercheurs dans une boucle fermée. LeRobot, un framework open source de Hugging Face, héberge déjà des centaines d'ensembles de données de démonstration. En branchant GR00T 1.7 sur cet écosystème, Nvidia parie que des pipelines de données ouverts accéléreront le développement humanoïde plus rapidement que n'importe quel effort fermé d'un seul laboratoire. cuga-ibms-open-source-agent-harness-lets-you-build-apps-with-just-a-prompt-and-tool-list

Vérification des benchmarks

Les chiffres publiés avec GR00T 1.7 sont frappants. Sur la suite de benchmarks LIBERO, qui couvre 130 tâches de manipulation sur table testant la généralisation spatiale, d'objet, de but et à long horizon, le modèle a atteint 96,5 % de succès moyen, contre 87 % pour GR00T 1.5. La plus grande progression a été dans LIBERO-Spatial, passant de 82 % à 95 %. LIBERO-Object a atteint 100 %, et LIBERO-Long, qui teste la capacité du modèle à enchaîner plusieurs étapes, est passé de 82 % à 93 %. the-benchmark-that-made-language-models-speak-how-2018s-glue-bet-changed-ai-forever

Ces chiffres doivent être lus avec les nuances qu'ils méritent. Les tâches LIBERO sont réalisées dans un cadre contrôlé sur table avec un seul bras robotique, et non un humanoïde dynamique marchant et attrapant des objets en environnement réel. Le benchmark mesure le réglage fin après pré-entraînement, pas la généralisation zéro-shot du modèle de base. Néanmoins, la trajectoire d'amélioration est crédible. Un gain moyen de presque dix points en une génération suggère que l'architecture et la recette d'entraînement évoluent efficacement. ifbench-the-new-benchmark-testing-ai-instruction-following

Stack ouvert, matériel réel

Nvidia publie les poids de GR00T 1.7 sous une licence de modèle ouvert sur Hugging Face (nvidia/GR00T-N1.7-3B), et l'intégration LeRobot gère l'installation, l'entraînement et le déploiement avec quelques commandes. Le workflow est simple : installer LeRobot avec les extras GR00T, collecter 50 épisodes de données de démonstration via Isaac Teleop, effectuer un réglage fin sur 20 000 étapes sur un RTX 6000 Pro (ou multi-GPU via accelerate), puis déployer avec lerobot-rollout. L'entreprise fournit également une instance Brev en un clic pour l'entraînement GPU dans le cloud.

Le côté collecte de données est là où cette version ajoute une véritable surface fonctionnelle. Isaac Teleop prend en charge à la fois les casques VR et le bras leader SO-101, un bras moteur série peu coûteux vendu pour la recherche. Cette double voie est importante. La VR offre une intuition pour des démonstrations ressemblant à celles d'un humain, tandis que le bras leader permet aux chercheurs de contrôler précisément les trajectoires articulaires. Les deux produisent des ensembles de données LeRobot qui sont directement poussés vers le Hugging Face Hub.

Nvidia indique également que les utilisateurs de DGX Spark, essentiellement des développeurs fonctionnant localement sur du matériel Nvidia spécialisé, bénéficient de builds CUDA 13 torch optimisés. L'écosystème est clairement conçu pour réduire les frictions pour les équipes qui ont déjà misé sur le matériel Nvidia, mais la nature open source de LeRobot signifie que les utilisateurs d'AMD et d'Apple Silicon peuvent toujours participer, bien qu'avec des garanties de vitesse moindres.

Ce que la version ne dit pas

Deux questions restent sans réponse. Premièrement, le modèle GR00T 1.7 est un transformateur de 3 milliards de paramètres, ce qui le place dans la même classe de calcul que de nombreux petits LLM. Il est ajustable sur un seul GPU haut de gamme mais pas sur un ordinateur portable. Nvidia ne publie pas les chiffres de latence d'inférence pour le modèle sur son propre matériel, ce qui rend difficile d'évaluer la faisabilité en temps réel sur des robots moins chers comme le SO-101. fast-lewm-parallel-action-prefix-prediction-slashes-latent-world-model-planning-costs

Deuxièmement, tous les résultats de benchmark proviennent du même workflow LeRobot et du même type de robot. La généralisation à différentes chaînes cinématiques, configurations de caméra ou environnements nécessitera un réglage fin supplémentaire. Nvidia présente cela comme une fonctionnalité, tout l'intérêt de LeRobot est l'adaptation, , mais cela signifie aussi que le taux de succès de 96,5 % est une limite supérieure, pas une garantie.

Le tableau d'ensemble

Le jeu de Nvidia ici n'est pas de construire le meilleur robot humanoïde, mais de posséder la plateforme logicielle que chaque robot humanoïde utilisera. En rendant GR00T 1.7 accessible via LeRobot, l'entreprise sape les intergiciels robotiques spécialisés et positionne son matériel, du RTX 6000 Pro au DGX Spark, comme infrastructure d'entraînement par défaut. Les concurrents comme Open X-Embodiment de Google et les travaux de Meta sur l'IA incarnée offrent des approches alternatives, mais aucun n'a lié la collecte de données, le réglage fin et le déploiement en un seul pipeline ouvert avec aussi peu de friction que cette version le démontre. how-alibaba-cloud-pushed-its-way-into-20-gartner-quadrants-and-what-it-means-for-the-ai-cloud-race

Pour les laboratoires académiques et les startups construisant sur des bras SO-101 ou similaires, le chemin de la démonstration à la politique fonctionnelle vient de se raccourcir considérablement. Que cela se traduise par de meilleurs humanoïdes polyvalents dans le monde réel dépend du nombre d'équipes qui collectent réellement les 50 épisodes de données nécessaires au réglage fin, et de la qualité du transfert du modèle lorsque la table, l'éclairage ou la fiole changent.