HorizonRobotics/HoloMotion

解决的问题

HoloMotion 解决了人形机器人全身控制的可扩展性挑战。它使机器人能够稳健地模仿各种人类动作，并实时跟踪参考动作，同时保持足够的灵活性，可在不同硬件配置间通用，而无需为每种组装都单独设计策略。

工作原理

该系统使用在大规模动作数据上训练的、参考条件化的混合专家（MoE）Transformer。它包含一种称为 HoloSMPL 的标准化表示，可统一多种动作捕捉来源（VR、惯性、光学和视觉）以实现重定向过程（HoloRetarget）。该流程使系统能够弥合原始动作数据、策略学习、仿真与真实世界部署之间的差距。

适用人群

• 机器人研究人员：希望获得人形运动控制基础的开发者。
• 开发者：希望对人形机器人进行离线动作回放或实时远程操控的用户。
• 机器学习工程师：希望从自有数据集训练自定义动作策略的工程师。

核心亮点

• 高性能推理：支持在机器人上实现 300+ FPS 的实时远程操控，以及在 GPU 上实现 3,000+ FPS 的数据生成。
• 硬件兼容性广泛：单一策略可运行于 Unitree G1 机器人 66 种不同配置（不同头部、躯干和手部）。
• 可扩展架构：采用 MoE Transformer，参数量已从 60M 扩展至 0.4B。
• 统一数据流水线：将多种动作捕捉输入标准化为单一共享表示。