Unitree G1 + NVIDIA Isaac GR00T: Uçtan Uca İnsansı Robot Geliştirme Rehberi

1 Haziran 2026 Duyurusu: GR00T Resmen G1'i de Kapsıyor

Unitree, 1 Haziran 2026'da H2 Plus'ı duyurdu — NVIDIA Isaac GR00T geliştirme platformu üzerine kurulan ilk insansı robot referans tasarımı. Duyurunun bizim açımızdan en önemli cümlesi H2 Plus'la ilgili değil: Isaac GR00T geliştirici platformunun Unitree G1 insansı robotunu da destekleyeceği ve G1 için referans iş akışının GitHub ile Hugging Face üzerinden yayınlanmasının beklendiği belirtildi.

Bu, bu sayfadaki akışın resmî olarak desteklenen bir yola dönüşmesi anlamına geliyor. Unitree CEO'su Xingxing Wang duyuruda referans tasarımı "ekiplere robot becerileri üretip bunları gerçek uygulamalara taşımak için doğrulanmış bir başlangıç noktası" olarak tanımladı; NVIDIA CEO'su Jensen Huang ise platformu "genel amaçlı fiziksel zekâya doğru çığır açıcı keşifler için tek ve açık bir zemin" olarak nitelendirdi.

G1'in araştırma kurumlarında hâlihazırda yaygın kullanılan bir platform olması, GR00T desteğinin etkisini büyütüyor: aynı geliştirme yaklaşımı H2 Plus'ı beklemeden bugün elinizdeki G1 EDU üzerinde kurulabiliyor. Referans donanımın tamamını merak ediyorsanız Unitree H2 Plus sayfamıza bakabilirsiniz.

Neden GR00T + G1? NVIDIA'nın Uçtan Uca Vizyonu

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.

Adım 1 — Ortam Kurulumu: Isaac Lab Arena ve Fiziksel Saha

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.

Adım 2 — Veri Toplama: Pico VR ile Isaac Teleop

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).

Adım 3 — GR00T 1.7 Model Eğitimi (Co-training)

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.

Adım 4 — Simülasyonda Değerlendirme

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.

Adım 5 — Gerçek Robota Dağıtım: Jetson Thor + Isaac ROS

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).

Güvenlik ve Kapsam Notları

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).

Bu Akışı Türkiye'de G1 EDU ile Kurmak

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.

Robotiğe Başlayanlara: NVIDIA Ekibinin Tavsiyeleri

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.

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