英伟达牵手Hugging Face，开放机器人全栈开发资源

2026年7月7日，英伟达与Hugging Face同时发了两篇博客：一篇是英伟达官方博客宣布将 Isaac GR00T N1.7、Isaac Teleop 集成进 LeRobot，Cosmos 3 也快了；另一篇是 LeRobot v0.6.0 发布，新增世界模型策略、奖励模型 API、六个新仿真基准。

两条消息放在一起看，意思很清楚——机器人开发的完整闭环，从数据采集到训练到评估到部署，现在全部开源，而且对接到 Hugging Face 的 1600 万 AI 开发者社区。

具体开放了什么？拆开看。

● ● ●

三个核心集成

Isaac Teleop —— 机器人数据采集框架

这东西解决的是机器人开发最头疼的问题：数据从哪来。Isaac Teleop 是一个开源的遥操作数据采集框架，开发者可以通过外部设备（手柄、VR 控制器等）采集高质量的人类示教数据，输出标准化的、可互操作的格式。采集完直接挂到 LeRobot 上，社区共享。

跟之前开源框架比，它的优势是格式统一——以前不同实验室之间数据格式不兼容，换个机器人就得重写数据集处理代码。现在 Isaac Teleop 输出的是 LeRobot 原生格式，录完就能训。

GR00T N1.7 —— 第一个可商用的人形机器人基础模型

这是这次发布里分量最重的。GR00T N1.7 是一个开放、商业可用的 Vision-Language-Action（VLA）人形机器人基础模型。

技术架构上，N1.7 用 Cosmos-Reason2-2B（基于 Qwen3-VL）做视觉语言理解，接一个 flow-matching 动作头输出控制指令。跟它上一代 N1.5 比，换了 VLM 骨架，推理能力有明显提升。

关键点是商业友好——直接可商用部署，覆盖物料搬运、包装、质检等工厂场景。开发者可以在自己的机器人上后训练（post-train），适配新的本体和任务，不需要从头训。

LeRobot v0.6.0 已经整合了 GR00T N1.7，安装就直接能用：pip install 'lerobot[groot]'，然后加载英伟达发布的检查点。

Cosmos 3 —— 物理世界基础模型（即将上线）

Cosmos 3 是一个世界基础模型（World Foundation Model），6 月份已经在 Hugging Face 上发布，有两个规格：

• Cosmos 3 Nano：16B 参数（8B 推理 + 8B 生成），RTX PRO 6000 级别就能跑
• Cosmos 3 Super：64B 参数（32B + 32B），需要 Hopper/Blackwell GPU

它能做什么？生成合成机器人训练数据、模拟场景、辅助策略开发。机器人数据又贵又难采，一个小时的遥操作示教可能要几千美元。Cosmos 3 的思路是用生成模型补数据缺口——真实数据不够的时候，先拿合成数据顶上去。

LeRobot 整合 Cosmos 3 之后，开发者可以在 LeRobot 里直接用世界模型做数据增广，不需要额外搭管线。

● ● ●

现在已经能用的

这三个新集成之外，英伟达之前已经接入 LeRobot 的基础设施包括：

• 物理 AI 数据集：35 万条真实+仿真轨迹 + 5700 万次抓取数据，下载量超过 1500 万次
• Isaac Sim + Isaac Lab：仿真训练环境，先在数字世界跑通再上真机
• Isaac Lab-Arena：集成进 LeRobot EnvHub，快速构建仿真评估环境，支持 GR00T、Pi、SmolVLA 等通用策略的训练和评测
• Jetson Thor + Reachy 2：硬件部署方案，开发者的 VLA 模型可以直接跑在开源人形机器人 Reachy 2 上

● ● ●

LeRobot v0.6.0 同步更新了什么

同一天发的 LeRobot v0.6.0，不只是加了英伟达的模型。有意思的更新有三个：

世界模型策略：VLA-JEPA、LingBot-VA、FastWAM。这三个策略的共同思路是让模型在推理前"预演"未来——训练时学一个世界模型，知道自己的动作会产生什么后果。其中 VLA-JEPA 最聪明：训练时用世界模型监督，推理时世界模型消失，不占额外算力。

新 VLA 模型库：除了 GR00T N1.7，MolmoAct2（Allen AI）、EO-1、EVO1、Multitask DiT 都进了 LeRobot。其中 EVO1 只有 7.7 亿参数，在消费级 GPU 上就能实时微调和推理。

奖励模型：Robometer 和 TOPReward 两个新加入。Robometer 是预训练的通用的奖励模型，不需要针对特定任务训练就能评估机器人任务完成度。TOPReward 更彻底——零样本，拿现成 VLM 直接打分。

部署 CLI：lerobot-rollout 命令行工具，支持 DAgger 式的人机协同修正——机器人在执行过程中失败，人类介入纠正，失败数据自动变成训练数据。

● ● ●

这波意味着什么

英伟达的机器人战略跟它在大语言模型上的打法一脉相承：提供完整软硬件栈，开源基础模型，让生态长在自己的硬件上。

几个数据点：

• 英伟达 300 万机器人开发者 × Hugging Face 1600 万 AI 开发者，两波人在 LeRobot 上会师
• 机器人是 Hugging Face 上增长最快的品类，英伟达模型下载量领先
• Boston Dynamics、Caterpillar、NEURA Robotics、ABB、FANUC、KUKA 已经在用英伟达的机器人技术栈

以前做机器人项目，数据流水线自己搭，策略自己从零训，评估写脚本跑。现在 pip install lerobot[groot]，数据用 Teleop 采，模型拿 GR00T N1.7 后训练，仿真在 Isaac Lab 跑，评测走 Lab-Arena 标准化基准，部署直接上 Jetson Thor + Reachy 2 硬件。

全开源。

参考链接：

• NVIDIA 官方博客：https://blogs.nvidia.com/blog/hugging-face-lerobot-models-frameworks-open-robotics/
• LeRobot v0.6.0 发布说明：https://huggingface.co/blog/lerobot-release-v060
• GR00T N1.7 模型页：https://huggingface.co/blog/nvidia/gr00t-n1-7
• Cosmos 3 发布说明：https://huggingface.co/blog/nvidia/cosmos-3-for-physical-ai
• LeRobot 开源仓库：https://github.com/huggingface/lerobot
• Isaac GR00T 开发者门户：https://developer.nvidia.com/isaac/gr00t