El Sistema 1, como lo llama Nvidia, se describe como un “modelo de acción de pensamiento rápido” que se comporta de forma similar a los reflejos y la intuición humanos. Se entrenó con datos recopilados mediante demostraciones humanas y datos sintéticos generados por la plataforma Omniverse de Nvidia.

El Sistema 2, impulsado por un modelo de lenguaje visual, es un modelo de pensamiento lento que razona sobre su entorno y las instrucciones recibidas para planificar acciones. Estos planes se transmiten al Sistema 1, que los traduce en movimientos robóticos precisos y continuos, que incluyen agarrar y mover objetos con uno o dos brazos, así como tareas más complejas de varios pasos que implican combinaciones de habilidades básicas.

Si bien el modelo base GR00T N1 está entrenado previamente con razonamiento y habilidades humanoides generalizados, los desarrolladores pueden personalizar su comportamiento y capacidades para necesidades específicas entrenándolo posteriormente con datos recopilados de demostraciones o simulaciones humanas.