NVIDIA Isaac GR00T-H-N1.7

NVIDIA Isaac GR00T-H-N1.7 to chirurgiczna odnoga otwartego modelu fundacyjnego NVIDII dla robotów: wariant Isaac GR00T N1.7 dotrenowany do robotów sali operacyjnej na zbiorze Open-H-Embodiment. Jego znaczenie jest w równym stopniu licencyjne, co techniczne. Pierwszy GR00T-H, zbudowany na GR00T-N1.6-3B, wyszedł na licencji NVIDIA OneWay Noncommercial License i był wprost oznaczony jako niedopuszczony do zastosowań komercyjnych; ta wersja ma licencję NVIDIA Open Model License i adnotację o gotowości do użytku komercyjnego. W dziedzinie, w której każdy producent robota musiał dotąd trenować od zera albo negocjować dostęp do zamkniętych danych, to jest właśnie sedno tego wydania. Architektura jest wzięta z modelu macierzystego. Rdzeń wizyjno-językowy Cosmos-Reason2-2B z koderem obrazu SigLip2 przyjmuje obrazy z kamer i polecenie tekstowe; transformer dyfuzyjny z dopasowaniem przepływu wytwarza ciągłe wektory akcji, przeplatając samouwagę nad propriocepcją i akcjami z uwagą skrośną do reprezentacji wizyjno-językowych, a każdy krok dyfuzji warunkuje przez adaptacyjną normalizację warstwy. Model ma 3 miliardy parametrów i jest udostępniony w formacie BF16. Na wejściu przyjmuje zmienną liczbę klatek RGB w dowolnej rozdzielczości, wektor propriocepcji i polecenie tekstowe; wektor wyjściowy ma rozmiar dopasowany do liczby stopni swobody konkretnego robota. Chirurgiczne są w nim dane. Zbiór Open-H-Embodiment, opublikowany przez NVIDIĘ wspólnie z 35 organizacjami na licencji CC BY 4.0, obejmuje 770 godzin, 124 019 epizodów i 119 zbiorów cząstkowych z 20 platform robotycznych i ponad 50 instytucji — po stronie klinicznej m.in. Johns Hopkins, Stanford, UC Berkeley, UC San Diego, Politechnika Monachijska, Vanderbilt, Balgrist i Northwell Health, po stronie producentów CMR Surgical, Moon Surgical, Rob Surgical i Tuodao. Do dotrenowania użyto wyłącznie rzeczywistej części chirurgicznej: 601 godzin, około 63 930 epizodów, 58 zbiorów i siedem platform — CMR Versius (opisany w katalogu osobno), dVRK, dVRK-Si, Rob Surgical BiTrack, KUKA LBR iiwa, USTC Torin i UR5e — przy podziale 98% na trening i 2% na walidację. Dane z ultrasonografii, endoskopii i symulacji zostawiono na później. Jeden szczegół dużo mówi o tym, jak taki model może pójść w złą stronę: udział zbioru Versius-500 ograniczono do 20% kroków treningowych, żeby żadne pojedyncze ucieleśnienie nie zdominowało funkcji straty, a pozostałe zbiory próbkowano proporcjonalnie do wielkości. Żeby taką mieszankę dało się w ogóle trenować, ujednolicono konwencje: akcje jako względne pozycjonowanie końcówki roboczej, a układy kamer sprowadzone do pojedynczego widoku monokularowego z trzeciej osoby albo tego widoku z kamerami nadgarstkowymi i dodatkowymi modalnościami, na przykład obrazem USG. Roboty w nagraniach sterowano zdalnie — programowo albo przez inżynierów, badaczy, studentów medycyny i zawodowych chirurgów — w symulacji, na stanowisku laboratoryjnym, ex vivo, in vivo i klinicznie. Ocena odbywa się na rzeczywistych robotach, a nie na tablicy wyników, i NVIDIA nie publikuje dla tego punktu kontrolnego żadnych liczb poza 2-procentowym zbiorem walidacyjnym. Jedyny publiczny wynik w tej linii należy do prototypu wcześniejszego GR00T-H, który wykonał pełny szew od początku do końca w teście SutureBot. Ograniczenie NVIDIA formułuje wprost i z tego samego powodu powtarzamy je tutaj: model jest przeznaczony do badań i rozwoju w robotyce, w tym do prac nad politykami chirurgicznymi i ultrasonograficznymi, testów porównawczych i rozwijania metod. Nie jest przeznaczony do wdrożeń klinicznych, opieki nad pacjentem ani podejmowania decyzji medycznych. Dwie liczby podane przez NVIDIĘ nie zgadzają się ze sobą. Karta modelu określa zbiór Open-H-Embodiment na 770 godzin, a własna zapowiedź NVIDII mówi o 778. Katalog odnotowuje obie. NVIDIA nie podaje też daty wydania tego punktu kontrolnego — datowanym zdarzeniem w linii jest ogłoszenie GR00T-H i zbioru danych 16 marca 2026 roku.

▸Wideo

Brak materiałów wideo.

▸Recenzje