💡
原文中文，约22700字，阅读约需54分钟。
📝
内容提要
本文介绍了英伟达GR00T N1.5的升级与应用，强调其在机器人语言理解和视觉处理方面的显著提升。N1.5通过Eagle-2模型增强了文本和视觉的编码能力，提高了任务执行的准确性和效率。文章还分享了在长沙举办的线下营中，团队如何解决部署过程中的问题，并展示了N1.5在实际操作中的应用案例，如纸巾抓取。
🎯
关键要点
- 英伟达于25年6月11日推出了GR00T N1.5，显著提升了机器人语言理解和视觉处理能力。
- N1.5通过Eagle-2模型增强了文本和视觉的编码能力，提高了任务执行的准确性和效率。
- 在长沙举办的线下营中，团队解决了部署过程中的问题，并展示了N1.5在纸巾抓取等实际操作中的应用案例。
- N1.5在语言指令遵循能力上从46.6%提升至93.3%，在低数据量场景下表现更优。
- N1.5的改进包括增强的视觉语言模型定位能力和对新物体的泛化能力，使其在复杂任务中表现出色。
❓
延伸问答
GR00T N1.5的主要改进是什么？
GR00T N1.5通过Eagle-2模型显著提升了机器人语言理解和视觉处理能力，语言指令遵循能力从46.6%提升至93.3%。
GR00T N1.5在实际应用中有哪些案例？
在长沙的线下营中，GR00T N1.5成功演示了纸巾抓取等实际操作案例。
如何微调GR00T N1.5以适应特定任务？
用户需将演示数据转换为LeRobot兼容的数据模式，并使用提供的脚本在用户数据上微调预训练的GR00T N1.5模型。
GR00T N1.5的视觉语言模型有什么特点？
GR00T N1.5的视觉语言模型在预训练和微调期间被冻结，增强了对新物体的泛化能力和定位能力。
GR00T N1.5在低数据量场景下的表现如何？
GR00T N1.5在低数据量场景下表现优异，尤其在零样本和少样本情况下，任务执行的准确性和效率更高。
GR00T N1.5的部署过程中遇到了哪些问题？
在部署GR00T N1.5时，团队遇到了数据维度不一致和FFmpeg版本不兼容等问题。
➡️
