NVlabs/GR00T-WholeBodyControl

解决的问题

本项目提供了一个统一的框架，用于人形机器人的全身控制（WBC），特别针对 Unitree G1。它解决了为每种特定动作（如行走、爬行或跳跃）分别开发独立、碎片化控制器的问题，提供了一个通用的行为基础模型，能够泛化到广泛的类人动作中。

工作原理

该项目的核心是 SONIC，一个基于大规模人类运动数据（如 Bones-SEED 数据集）训练的人形行为基础模型。与预定义动作不同，SONIC 使用动作追踪作为可扩展的训练任务，使单一策略能够生成自然的动作。

该系统支持多种部署模式：

• C++ 推理栈：使用 TensorRT 在真实硬件上实现高性能部署。
• VR 远程操作：使用 PICO VR 头显实现实时的人类到机器人的动作传输，用于数据收集和控制。
• 运动学规划器：一个实时运动生成工具，用户可通过键盘或游戏手柄操控机器人并调整运动风格（例如“潜行”或“拳击”）。
• 解耦式 WBC：一种混合方法，下肢使用强化学习（RL），上肢使用逆运动学（IK）。

适用人群

从事人形机器人（特别是 Unitree G1）研究与开发的机器人研究人员和开发者，需要高级运动技能、远程操作能力以及用于训练视觉-语言-动作（VLA）模型的数据收集管道。

主要亮点

• 通用控制器：单一模型可实现行走、奔跑、下跪、跳跃和双手操作。
• 低延迟选项：提供针对响应式远程操作和 VLA 执行优化的特定模型检查点。
• 全面的工具链：包含 PPO 训练脚本、动作捕捉数据处理流水线以及 C++ 部署栈。
• MotionBricks：实时潜在生成模型在动画和机器人领域中用于交互式动作控制的预览。