整體硬體的重點不只是「能走路」，而是讓機器人在移動身體的同時完成需要雙手協調、力度控制與觸覺回饋的工作。

研究用途：讓機器人學會「動手做事」

Isaac GR00T Reference Humanoid Robot 的主要對象是大學、研究所及其他研究機構。它可用於收集機器人資料、測試演算法、訓練操作與移動操作（loco-manipulation）策略，並在真實環境中驗證機器人的行為。

NVIDIA 與合作方列出的研究方向，包括：

• 組裝電腦等精細製造工作
• 抓取及處理不同物件
• 協助進行靜脈注射等醫療相關操作
• 備餐、清潔及熨燙
• 研究人形機器人在真實世界中的移動、抓握與全身協調

這些任務對機器人而言遠比單純搬運物品複雜。機器人必須理解物件的位置與狀態，同時調整手指、手腕、手臂、軀幹及雙腿的動作，還要根據觸覺回饋修正力度。

Sharpa 的角色與過往工作

成立於 2024 年的 Sharpa，專注於開發具備靈巧操作能力的機械手。它的產品不只要讓機器人「抓住」東西，也要提供足夠的實體回饋，協助研究人員教導機器人如何操作物件。

Sharpa 在上海設有研發工作，並在加州進行業務營運。公司過去曾與 NVIDIA 合作，為機器人基礎模型收集資料；在 CES 2026，Sharpa 也展示過其機械手進行二十一點發牌及組裝風車等動作。

在這次合作中，Sharpa 的靈巧手是關鍵組件。人形機器人若要處理醫療用品、廚房器具或生產線零件，僅有視覺辨識和基本夾取能力並不足夠，還需要近似人手的多指協調與觸覺感知。

NVIDIA 的軟體與訓練層

硬體會搭配開放式 Isaac GR00T 開發平台。這套平台涵蓋模擬、資料收集與生成、模型訓練、評估及部署，目的是縮短從研究概念到實體機器人測試之間的流程。

NVIDIA 表示，研究實驗室可保留對機器人資料、訓練資料、遙測資料及日誌的控制權。研究人員也不必一次採用完整軟體堆疊，可以選擇整套使用，或把其中的模型與工作流程接入既有系統。

NVIDIA 另外計畫在 GitHub 與 Hugging Face 上提供 Unitree G1 的 Isaac GR00T 參考工作流程，讓研究人員能以較一致的方式進行開發與比較。

它要解決大學實驗室的「拼裝機器人」難題

黃仁勳表示，NVIDIA 之所以針對高等教育推出這項設計，是因為研究團隊要自行組合完整人形機器人系統「難得不可思議」。

過去，一個實驗室往往必須先自行整合不同的人形機身、機械手、運算硬體、資料收集設備、模擬器及控制軟體。這種各自拼湊的系統，有時被形容為「科學怪人式機器人」；研究團隊可能還沒開始研究技能，就已經耗費大量時間處理硬體相容性與軟體介接問題。

參考設計的用意，就是先把基本平台標準化。如此一來，不同實驗室可以在較接近的硬體基礎上訓練、測試及比較機器人技能，而不是每次都從零開始打造整套系統。

首批使用者與供應時間

NVIDIA 點名的早期研究使用者包括：

• Ai2
• ETH Zurich（蘇黎世聯邦理工學院）
• Stanford Robotics Center（史丹佛大學機器人研究中心）
• University of California, San Diego 的 Advanced Robotics and Controls Laboratory（加州大學聖地牙哥分校先進機器人與控制實驗室）

這款參考機器人預計於 2026 年底由 Unitree 販售，主要面向研究機構。NVIDIA 和 Unitree 當時尚未公布價格及更完整的商業供應細節。

GR00T 是 NVIDIA「實體 AI」策略的一部分

黃仁勳在活動中把人形機器人視為將「實體 AI」帶進大型產業的途徑，並形容相關市場機會達到數兆美元規模。

他的說法並不只聚焦於一台機器人，而是 NVIDIA 更大範圍的運算平台布局：隨著具代理能力的 AI（agentic AI）執行更多工作，市場對運算基礎設施的需求也會增加。NVIDIA 希望從資料中心的 Vera CPU，到本地端 AI 系統，提供涵蓋不同層級的硬體與軟體；其中搭載 RTX Spark 晶片的 AI PC，則可在裝置本身執行模型與 AI 代理。

在這個框架下，GR00T 就是 NVIDIA 把同一套「硬體加軟體」策略延伸至機器人與實體世界的成果：資料中心負責支援訓練與運算，模擬和模型工具協助開發，而 Jetson Thor 則把即時 AI 推論帶到機器人身上。

整體硬體的重點不只是「能走路」，而是讓機器人在移動身體的同時完成需要雙手協調、力度控制與觸覺回饋的工作。

研究用途：讓機器人學會「動手做事」

Isaac GR00T Reference Humanoid Robot 的主要對象是大學、研究所及其他研究機構。它可用於收集機器人資料、測試演算法、訓練操作與移動操作（loco-manipulation）策略，並在真實環境中驗證機器人的行為。

NVIDIA 與合作方列出的研究方向，包括：

• 組裝電腦等精細製造工作
• 抓取及處理不同物件
• 協助進行靜脈注射等醫療相關操作
• 備餐、清潔及熨燙
• 研究人形機器人在真實世界中的移動、抓握與全身協調

這些任務對機器人而言遠比單純搬運物品複雜。機器人必須理解物件的位置與狀態，同時調整手指、手腕、手臂、軀幹及雙腿的動作，還要根據觸覺回饋修正力度。

Sharpa 的角色與過往工作

成立於 2024 年的 Sharpa，專注於開發具備靈巧操作能力的機械手。它的產品不只要讓機器人「抓住」東西，也要提供足夠的實體回饋，協助研究人員教導機器人如何操作物件。

Sharpa 在上海設有研發工作，並在加州進行業務營運。公司過去曾與 NVIDIA 合作，為機器人基礎模型收集資料；在 CES 2026，Sharpa 也展示過其機械手進行二十一點發牌及組裝風車等動作。

在這次合作中，Sharpa 的靈巧手是關鍵組件。人形機器人若要處理醫療用品、廚房器具或生產線零件，僅有視覺辨識和基本夾取能力並不足夠，還需要近似人手的多指協調與觸覺感知。

NVIDIA 的軟體與訓練層

硬體會搭配開放式 Isaac GR00T 開發平台。這套平台涵蓋模擬、資料收集與生成、模型訓練、評估及部署，目的是縮短從研究概念到實體機器人測試之間的流程。

NVIDIA 表示，研究實驗室可保留對機器人資料、訓練資料、遙測資料及日誌的控制權。研究人員也不必一次採用完整軟體堆疊，可以選擇整套使用，或把其中的模型與工作流程接入既有系統。

NVIDIA 另外計畫在 GitHub 與 Hugging Face 上提供 Unitree G1 的 Isaac GR00T 參考工作流程，讓研究人員能以較一致的方式進行開發與比較。

它要解決大學實驗室的「拼裝機器人」難題

黃仁勳表示，NVIDIA 之所以針對高等教育推出這項設計，是因為研究團隊要自行組合完整人形機器人系統「難得不可思議」。

過去，一個實驗室往往必須先自行整合不同的人形機身、機械手、運算硬體、資料收集設備、模擬器及控制軟體。這種各自拼湊的系統，有時被形容為「科學怪人式機器人」；研究團隊可能還沒開始研究技能，就已經耗費大量時間處理硬體相容性與軟體介接問題。

參考設計的用意，就是先把基本平台標準化。如此一來，不同實驗室可以在較接近的硬體基礎上訓練、測試及比較機器人技能，而不是每次都從零開始打造整套系統。

首批使用者與供應時間

NVIDIA 點名的早期研究使用者包括：

• Ai2
• ETH Zurich（蘇黎世聯邦理工學院）
• Stanford Robotics Center（史丹佛大學機器人研究中心）
• University of California, San Diego 的 Advanced Robotics and Controls Laboratory（加州大學聖地牙哥分校先進機器人與控制實驗室）

這款參考機器人預計於 2026 年底由 Unitree 販售，主要面向研究機構。NVIDIA 和 Unitree 當時尚未公布價格及更完整的商業供應細節。

GR00T 是 NVIDIA「實體 AI」策略的一部分

黃仁勳在活動中把人形機器人視為將「實體 AI」帶進大型產業的途徑，並形容相關市場機會達到數兆美元規模。

他的說法並不只聚焦於一台機器人，而是 NVIDIA 更大範圍的運算平台布局：隨著具代理能力的 AI（agentic AI）執行更多工作，市場對運算基礎設施的需求也會增加。NVIDIA 希望從資料中心的 Vera CPU，到本地端 AI 系統，提供涵蓋不同層級的硬體與軟體；其中搭載 RTX Spark 晶片的 AI PC，則可在裝置本身執行模型與 AI 代理。

在這個框架下，GR00T 就是 NVIDIA 把同一套「硬體加軟體」策略延伸至機器人與實體世界的成果：資料中心負責支援訓練與運算，模擬和模型工具協助開發，而 Jetson Thor 則把即時 AI 推論帶到機器人身上。