![Unitree H2 Plus im Labor – referenzbasierte KI-Illustration [图像内容由人工智能生成]](https://alpha-bionic.info/wp-content/uploads/2026/10/groot-hero.png "NVIDIA GR00T：75个自由度很抢眼，真正的看点却不在这里 1 [图像内容由人工智能生成]")
杯子比昨天向左挪了几厘米。对人来说，这几乎不值得注意。对机器人来说，困难可能恰恰从这里开始：找到杯子，调整手掌方向，合拢手指，发现物体正在滑动，再及时改变抓握。NVIDIA的GR00T参考人形机器人吸引我的地方，不只是它长得像人，而是它试图把这些彼此关联的问题放进同一套开发平台。
这不是突然可以下单、回家就能收拾厨房的机器人管家。NVIDIA将Unitree H2 Plus机身、Sharpa Wave触觉手、Jetson Thor计算平台与Isaac软件结合起来，首先面向研究和开发。真正值得追问的是：研究人员能否少花一些时间拼接基础设施，多花一些时间，让机器人可靠地完成实际动作？
本文目录
真正的卖点，不是那张像人的脸
人形机器人很容易凭借精彩动作吸引关注。类似人类的轮廓，会让我们立刻联想到它未来可以做什么。但外形无法告诉我们，摄像头、机械手、电机控制与人工智能是否真的配合得好。对实验室来说，这种配合至关重要。如果传感器数据不匹配，或者软件假设的动作超出了机体能力，再快的计算机也不能自动消除问题。
NVIDIA提出的是一套参考配置：把机体、计算硬件和开发工具之间的关系明确下来。其官方公告强调开放、模块化的设计。团队不一定需要采用全部组件，也可以把部分硬件和流程引入自己的项目。它没有直接承诺一名已经成熟的机器员工，但对当前研发阶段而言，这种基础可能更有价值。
我更愿意用这些问题衡量进展：其他团队能否复现结果？不同能力能否公平比较？一个新实验是否更容易开始？参考平台可以统一起点，却无法保证训练数据质量，也不能直接保证部署安全。它潜在的意义，是让不同实验室不必一次次独立解决相同的系统集成问题。
75个自由度，不等于会做75件家务
按照NVIDIA公布的配置，总共75个自由度来自机体的31个，以及两只Sharpa Wave手各自的22个。这个加法值得说清楚。自由度描述的是机械运动的可能性，不是已经学会的任务数量。能否抓稳一个物体，还取决于感知、控制、训练和当时的环境。
更多关节意味着手指可以摆出更多姿态，也意味着协调难度更高。机械手不仅要碰到物体，还要建立合适的接触、控制施力，并在手臂移动时保持稳定。因此，自由度更多，并不自动意味着比结构简单的专用装置更有效。对于固定、重复的任务，专用机构仍可能是更合适的选择。
H2 Plus采用接近人体尺度的机身。许多工具、工作台和通道都是为人设计的，这让类似人体的尺寸具有研究意义。但这不等于所有人类工具都能直接使用。抓握几何、伸展范围、负载以及安全距离仍然是现实约束。我们的Atlas与Optimus机械手对比也解释了不同厂商为什么会选择不同路线。
会“感觉”的手指，为什么比漂亮演示更重要
摄像头能够帮助机器人找到物体，但仅凭图像，未必能可靠判断物体在指间是否牢固。Sharpa Wave将关节运动能力与触觉感知结合。厂商介绍了接触、力和滑动等反馈信息。这些反馈的目标，是让系统在动作进行中调整抓握，而不是只在开始前作一次判断。
可以用一个明确的假设场景来理解：一个表面光滑的杯子在抬起时开始滑动。合适的控制系统可能检测到变化，并在杯子掉落前调整手指施力。这是研发目标的解释，并非Alpha Bionic在这里完成的H2 Plus实测。不能因为产品资料列出了触觉功能，就认定整机已经能应付杂乱厨房。
我关注的是视觉与触觉如何相互补充。被遮挡的接触点、不同表面以及不断变化的位置，都是物理世界里的常态。即使图像中的目标清清楚楚，实际操作仍然可能失败。触觉数据不是宣传册上的装饰，但整套系统能否在不同条件下真正利用这些数据，需要通过可重复的实验验证。
Jetson Thor的数字，不是智力分数
参考配置采用Jetson AGX Thor T5000进行本地计算。NVIDIA给出的规格包括最高2070 FP4 TFLOPS和128GB统一内存。这些数字针对特定低精度人工智能运算，不代表人类式理解能力，也不能不加区分地与其他显卡的性能数字直接比较。
对于感知与运动紧密相连的机器人，本地处理具有吸引力。但是，芯片速度快，并不能证明行为可靠。模型、传感器、软件路径和控制方式同样重要。Jetson Thor产品页面列出的40至130瓦可配置功耗，指的是计算平台，不是包括电机在内的整台运动机器人。
续航也需要同样谨慎地理解。NVIDIA为参考机器人给出了约三小时的说法。这是厂商数据，不是Alpha Bionic测得的持续工作成绩。行走、站立以及用力抓握会产生不同负载。研究团队需要根据自己的实验测量实际运行时间，并为安全停止保留余量。
GR00T如何连接示范、训练与真实动作
这里的GR00T并不只是某一个机器人的名字，而是NVIDIA用于开发人形机器人能力的一组模型与工具。人工示范、训练数据、仿真、评估和硬件执行，都是流程的一部分。官方Isaac GR00T平台试图把这些环节连接起来。
流程可以从人类演示动作或遥操作机器人开始。这些操作提供学习样本，随后团队调整模型，并在不同条件下评估效果。Isaac Sim和Isaac Lab支持虚拟环境与训练，Isaac ROS则属于部署工具的一部分。核心不是一次成功，而是持续循环：尝试、理解失败、改善数据，再次验证。
仿真能够帮助系统地生成不同条件，却不能代替真实物体上的证据。摩擦、柔性材料、相机效果和意外接触，都可能与虚拟世界存在差异。在布置好的场景中成功，不等于在任意房间里都能可靠完成任务。讨论1X NEO的辅助操作与自主能力时，也必须保持同样的区分。
价格、交付与采购，仍要问清楚
NVIDIA最初的公告提到，计划在2026年末通过Unitree提供该平台。我们查阅的H2 Plus产品页引导用户联系销售。这不能直接证明已有统一最终售价，也不能证明现在下单即可交付。真正采购时，需要明确配置、交付时间、支持服务和使用条件的正式报价。
维护条件和实验空间同样重要。研究设备不是可以在有人和宠物的住宅里任意活动的玩具。急停和技术保护措施很重要，却不能取代针对具体任务的风险评估。预算也不应只计算机体价格：安装、人员监督、数据采集和维修都属于实际成本。
还要避免把它与另行发布的Agile ONE SN混为一谈。后者来自Agile Robots，采用不同机体和不同机械手，并宣布面向2027年初提供。两者都与NVIDIA机器人生态有关，但不是同一个产品。想进一步了解厂商分工，可以查看Alpha Bionic的机器人企业目录。
真正有说服力的，是第一百次尝试
有价值的评估，不应该只展示成功抓取，还应该记录失败次数、陌生物体以及人工介入。任务是否提前反复训练？背景是否始终不变？物体是否有人摆正？这些问题没有算力数字那么吸引眼球，却决定了我们能否正确理解进步。
对我而言，这次发布最值得关注的是一个共同起点的可能性。如果团队减少了处理接口的时间，就能把更多精力放在这些严格测试上。它最终能否带来日常生活中可靠的工作能力，仍是开放问题。H2 Plus与GR00T的组合，是研究这个问题的工具，而不是已经完成的答案。
常见问题：NVIDIA GR00T与Unitree H2 Plus
这是NVIDIA制造的家用机器人吗？
不是。参考配置结合了Unitree机体、Sharpa机械手、NVIDIA计算硬件和软件，首先服务于研究与开发，并没有承诺开箱即用的家庭服务。
75个自由度如何计算？
机体31个，两只手各22个，相加为75个。这个数字描述机械运动能力，而不是已学会的任务数量，也不是灵巧程度的保证。
它能完全不依赖人类工作吗？
这取决于任务、训练后的模型以及环境。遥操作、示范和自主执行需要分别评估。参考平台的存在，本身不能证明无限制自主能力。
H2 Plus多少钱？
查阅的Unitree页面引导联系销售，没有给出适用于所有配置的整机最终价格。应索取包含配置、交付、服务和额外开发成本的完整报价。
充一次电能运行多久？
NVIDIA给出的参考值约为三小时。实际时间取决于使用方式。Alpha Bionic没有通过独立续航测试确认这一数字。
文章配图是真实测试照片吗？
不是。它依据官方产品参考图制作，描绘实际机器人型号，但属于AI插图。实验室场景是生成的，不代表某次真实演示或经过测量的性能。
依据官方产品参考图制作的Unitree H2 Plus AI插图。实验室场景为生成内容，并非实测照片。
![Nico Nuss [图像内容由人工智能生成]](https://alpha-bionic.info/wp-content/uploads/2025/12/Nico-Nuss_1-150x150.jpg "NVIDIA GR00T：75个自由度很抢眼，真正的看点却不在这里 2 [图像内容由人工智能生成]")
作者 Nico Nuss 自 2001 年起从事移动计算与自动化软件相关工作。他凭借多年的实践经验以及对前沿技术的浓厚兴趣，专注于机器人技术和人工智能领域。