GalaxyGeneralRobotics/Humanoid-GPT

解决的问题

Humanoid-GPT 解决了传统人形机器人运动追踪的局限性，这些方法通常依赖于浅层模型和小规模数据集，导致机器人机动性与对新动作的泛化能力之间存在权衡。本项目实现了零样本运动追踪，使一个人形机器人能够在无需为每个新任务进行特定微调的情况下执行任意未见过的动作。

工作原理

该系统采用 GPT 风格的因果 Transformer 架构，并配备旋转位置编码（RoPE），以处理可变长度的运动序列。模型在大规模数据上进行了预训练——共 20 亿帧运动数据，这些数据通过整合多种动作捕捉（mocap）数据集和内部录制数据构建而成。该模型针对 Unitree G1 人形机器人（29 自由度）进行了优化，并利用 MuJoCo-MJX 进行 GPU 加速仿真，以实现高效的评估与训练。

适用人群

本项目专为从事人形机器人全身控制的机器人研究人员和工程师设计，特别是使用 Unitree G1 平台或类似高自由度人形系统的研究者。

亮点

• 十亿级训练：在 20 亿帧运动数据语料库上进行预训练。
• 零样本泛化：无需额外训练即可追踪未见过的动作。
• GPT 风格架构：采用带有 RoPE 的因果 Transformer，支持灵活的序列处理。
• 硬件就绪：包含 Unitree G1 的部署模块，支持 onboard Jetson Orin。