Unitree G1 + Isaac GR00T 1.7 — Simülasyondan Gerçek Robota Uçtan Uca Geliştirme

Robotik geliştirme araçları bugün büyük ölçüde silo halinde: veri toplama, model eğitimi ve robot dağıtımı ayrı ekosistemlerde yaşıyor. NVIDIA'nın yayında (09:01) ortaya koyduğu hedef, bu zinciri tek bir akışta birleştirmek. Temel yapı taşları: açık kaynaklı mantık yürüten vizyon-dil-aksiyon (VLA) modeli Isaac GR00T 1.7 (Hugging Face iş birliğiyle duyuruldu, 01:35), teleoperasyon çerçevesi Isaac Teleop ve simülasyon altyapısı Isaac Lab Arena. Referans donanım platformu: Unitree G1 insansı robot.

Simülasyon tarafında Isaac Lab altyapısını kullanan Isaac Lab Arena ile sanal sahne kurulur: robot, masa, elma, tabak ve görevin başarı kriterleri parametrik olarak tanımlanır (12:19). Gerçek dünya tarafında ise fiziksel G1'in, masanın ve kameraların konumlandırılması ile Ethernet bağlantıları yapılır (13:15). İki ortamın birbirini yansıtması, sim-to-real geçişinin temelidir.

Gösterim (demonstration) verisi, bir Pico VR başlığı ve kontrolcüleri ile robotun simülasyonda veya gerçek dünyada uzaktan yönetilmesiyle toplanır (14:24). G1'in her elindeki 7 serbestlik derecesi VR kontrolcüyle bağımsız yönlendirilebilir (48:29). Kayıtlar HDF5 formatında tutulur, eğitim için LeRobot formatına dönüştürülür (14:55). Yayındaki elmayı-tabağa-koyma görevi için simülasyon + gerçek dünya toplamı 400 başarılı gösterim yeterli olmuştur (24:52).

GR00T 1.7 iki çekirdek bileşen taşır: görsel dünyayı anlayan Cosmos Reasoning VLM'i ve aksiyon üreten bir Diffusion Transformer (15:20). Simülasyon ve gerçek dünya verileri birleştirilerek (co-training) model ince ayarlanır; eğitim için H100 sınıfı bulut GPU'ları kullanılabilir (17:12). Kendi robotu olmayan ekipler bile bu aşamayı tamamen bulutta çalıştırabilir.

Eğitilen politika gerçek robota yüklenmeden önce Isaac Lab Arena'da test edilir (18:02): elmanın konumu gibi parametreler rastgele değiştirilerek (randomization) modelin dayanıklılığı ölçülür (18:36). NVIDIA ekibi bu görevde simülasyonda %90-92 başarı oranına ulaştığını aktardı (34:50). Bu aşama, pahalı donanımı riske atmadan iterasyon yapmayı sağlar.

Model dosyası dönüştürülüp Isaac ROS entegrasyonuyla G1 üzerindeki Jetson Thor'a aktarılır (20:36); dağıtım yığını Docker konteynerında çalışır (30:21). Alt beden ve üst beden için bağımsız iki kontrolcü içeren ayrık yapılı tüm vücut kontrolcüsü (WBC) kullanılır (32:01). Canlı yayında G1, masadaki elmayı kavrayıp tabağa başarıyla yerleştirdi (32:27).

Ekip, simülasyon testlerinin yanında fiziksel sahada acil durdurma butonları ve yazılımsal güvenlik bariyerlerinin vazgeçilmez olduğunu vurguladı (27:18). Akış insansılarla sınırlı değil: aynı boru hattı robotik kollar ve farklı manipülatörlere de uyarlanabilir (23:48). Sim-to-real veri birleştirme NVIDIA için aktif bir geliştirme alanı (42:23).

Yayındaki boru hattının tamamı — motor seviyesi kontrol, Python SDK, ROS2, Isaac Sim/Isaac Lab uyumu ve yerleşik Jetson bilişim modülü — Unitree G1 EDU'nun standart yetenek setidir; donanım ayrıntıları için G1 SDK & Donanım Rehberine bakın. Robotlar.org, Türkiye yetkili distribütörü olarak kurulum, ROS2/SDK yapılandırması, laboratuvar kurulumu ve araştırmacı eğitimini pakete dahil eder; güncel fiyat için G1 fiyat sayfasını inceleyin veya sayfa sonundaki formla teklif isteyin.

Yayının kapanışında ekip, sektöre girmek isteyenlere üç tavsiye verdi (01:00:17): (1) Yapay zeka araçları ne kadar gelişirse gelişsin klasik kontrol teorisi (PID, LQR), doğrusal cebir ve diferansiyel denklem temellerini sağlam öğrenin. (2) Pahalı robot almadan önce bir GPU ile simülasyonda (Isaac) geliştirmeye başlayın (01:01:02). (3) Kendi projelerinizi üretin, hata yaparak öğrenin (01:01:39). Üniversite laboratuvarı kurulumu planlıyorsanız Robotik Eğitim Laboratuvarı rehberimize göz atın.