오픈소스 로봇 학습, 이제 데이터 수집부터 배포까지 한 파이프라인
NVIDIA가 7월 7일 GR00T 1.7을 발표하면서 LeRobot 프레임워크에 기본 통합했어요. 이전 버전인 GR00T N1.5는 더 이상 지원하지 않아요.
GR00T 1.7은 3B 파라미터의 범용 휴머노이드 로봇용 오픈 VLA(Vision-Language-Action) 기초 모델이에요. 언어 지시와 카메라 입력을 받아 로봇 동작을 생성하는 방식인데, LeRobot에 네이티브로 통합되면서 데이터 수집(Isaac Teleop) → 모델 학습 → 실시간 배포까지 하나의 파이프라인으로 연결돼요.
핵심 요약
- NVIDIA GR00T 1.7: 3B 파라미터, 오픈 VLA 기초 모델
- LeRobot 네이티브 통합 (기존 LeRobot 사용 팀은 인프라 변경 불필요)
- LIBERO 평균 성능: GR00T N1.5 87% → GR00T 1.7 96.5%
- GR00T N1.5는 deprecated (더 이상 지원 안 함)
- 데이터 수집: Isaac Teleop (SO-101 리더 암, VR 헤드셋)
Open-Source Robot Learning: One Pipeline from Data Collection to Deployment
NVIDIA announced GR00T 1.7 on July 7, natively integrating it into the LeRobot framework. The previous version, GR00T N1.5, is now deprecated.
GR00T 1.7 is a 3B-parameter open Vision-Language-Action (VLA) foundation model for general-purpose humanoid robots. It takes language instructions and camera input, then generates robot actions. With native LeRobot integration, the workflow now runs end-to-end: data collection (Isaac Teleop) → model training → real-time deployment.
TL;DR
- NVIDIA GR00T 1.7: 3B parameters, open VLA foundation model
- Native LeRobot integration (existing LeRobot users need no infrastructure changes)
- LIBERO average: 87% (N1.5) → 96.5% (1.7)
- GR00T N1.5 is deprecated
- Data collection via Isaac Teleop (SO-101 leader arm or VR headset)
무엇이 달라졌나요?
성능 개선
LIBERO는 NeurIPS 2023 기준 130개 언어 주석 테이블탑 조작 태스크 모음이에요. GR00T N1.5와 1.7을 비교하면:
| 태스크 | N1.5 | 1.7 |
|---|---|---|
| LIBERO-Spatial | 82% | 95% |
| LIBERO-Object | 99% | 100% |
| LIBERO-Goal | 미기재 | 98% |
| LIBERO-Long | 82% | 93% |
| 평균 | 87% | 96.5% |
N1.5의 LIBERO-Goal 수치는 원문에 기재되어 있지 않아요. 전체적으로는 모든 태스크에서 10%p 내외 향상됐고요.
파이프라인 통합
이전에는 데이터 수집, 모델 학습, 배포가 각각 다른 도구로 분리되어 있었어요. 이번에 Isaac Teleop(데이터 수집)이 LeRobot 파이프라인과 연결되면서, Dataset v3.0 형식으로 처음부터 끝까지 이어져요.
데이터 수집은 SO-101 리더 암이나 VR 헤드셋으로 해요. 학습은 RTX 6000 Pro 기준, 다중 GPU도 지원하고요. 배포는 real-time control(RTC) 모드를 지원해요.
가중치가 오픈소스
모델 가중치는 nvidia/GR00T-N1.7-3B로 Hugging Face에 공개되어 있어요. LeRobot 경로와 독립 사용 경로 모두 같은 가중치를 써요. 다만 “as is” 제공이고, 상업적 라이선스 조건은 GitHub 저장소에서 별도로 확인해야 해요.
왜 중요한가
물리 AI의 진입 장벽이 낮아지는 흐름이에요.
NVIDIA가 VLA 모델, 데이터 수집 도구, 학습 파이프라인을 모두 LeRobot이라는 오픈소스 플랫폼 안에 묶어서 공개했어요. 로봇을 연구하는 사람이라면, 하드웨어 셋업만 있으면 GR00T 1.7을 직접 파인튜닝하고 실험할 수 있어요.
이전에는 NVIDIA 내부나 큰 연구소에서나 가능했을 실험이 외부 연구자에게 열리는 거예요.
핵심 통찰
물리 AI도 소프트웨어 생태계 싸움이 됐어요.
NVIDIA가 GR00T 1.7을 LeRobot에 넣은 건 성능 발표 이상이에요. PyTorch가 딥러닝 생태계를 정착시킨 것처럼, LeRobot이 물리 AI 실험의 표준 플랫폼이 되길 바라는 전략적 선택이에요. 모델 자체보다 파이프라인과 커뮤니티가 채택을 결정해요.
My Take
“기존 LeRobot 사용 팀은 인프라 변경 불필요”라는 문장이 이번 발표에서 제일 실용적인 정보예요. N1.5를 쓰던 팀은 파이프라인을 그대로 두고 모델 버전만 올리면 LIBERO 평균 기준 10%p 가까운 향상이 생기거든요.
직접 실험해보고 싶은 분에게는: Hugging Face의 nvidia/GR00T-N1.7-3B에서 가중치를 받고, NVIDIA Brev Launchable로 빠르게 환경을 셋업할 수 있어요. 라이선스 조건은 GitHub 저장소에서 먼저 확인하는 걸 권해요.
What Changed?
Performance
LIBERO is a benchmark of 130 tabletop manipulation tasks with language annotations (NeurIPS 2023). GR00T N1.5 vs. 1.7:
| Task | N1.5 | 1.7 |
|---|---|---|
| LIBERO-Spatial | 82% | 95% |
| LIBERO-Object | 99% | 100% |
| LIBERO-Goal | not reported | 98% |
| LIBERO-Long | 82% | 93% |
| Average | 87% | 96.5% |
N1.5’s LIBERO-Goal score wasn’t in the original post. Across the board, GR00T 1.7 improves by roughly 10 percentage points.
Pipeline integration
Data collection, training, and deployment previously ran as separate tools. Now Isaac Teleop feeds directly into LeRobot’s pipeline using the same Dataset v3.0 format — one end-to-end workflow.
Data collection: SO-101 leader arm or VR headset. Training: tested on RTX 6000 Pro with multi-GPU support. Deployment: real-time control (RTC) mode available.
Open-source weights
Weights are published on Hugging Face as nvidia/GR00T-N1.7-3B. The LeRobot path and standalone path use the same weights. Check the GitHub repo for license terms — provided “as is.”
Why It Matters
The barrier to physical AI experimentation is dropping. NVIDIA packaged the VLA model, data collection tooling, and training pipeline inside an open-source platform. Any researcher with a robot setup can now fine-tune GR00T 1.7 directly.
Work that previously required access to NVIDIA’s internal teams or well-resourced labs is opening up.
Key Insight
Physical AI has become an ecosystem competition.
Putting GR00T 1.7 into LeRobot is more than a performance announcement. It’s a platform play — the same bet PyTorch made for deep learning. The pipeline and the community, not the model alone, determine adoption.
My Take
The most practically useful sentence in the announcement: “Existing LeRobot teams need no infrastructure changes.” Teams running N1.5 can upgrade the model version and pick up ~10 percentage points on LIBERO average without touching their pipeline.
To get started: grab the weights at nvidia/GR00T-N1.7-3B on Hugging Face and use the NVIDIA Brev Launchable for a fast environment setup. Check license terms in the GitHub repo before production use.
댓글Comments