HorizonRobotics/HoloMotion

解決的問題

HoloMotion 解決了人形機器人全身控制的可擴展性挑戰。它使機器人能夠穩健地模仿各種人類動作，並即時追蹤參考動作，同時保持足夠的彈性，可在不同硬體配置間通用，而無需為每種組裝都設計單獨的策略。

工作原理

該系統使用在大規模動作數據上訓練的、參考條件化的混合專家（MoE）Transformer。它包含一種稱為 HoloSMPL 的標準化表示，可統一多種動作捕捉來源（VR、慣性、光學和視覺）以實現重定向過程（HoloRetarget）。該流程使系統能夠彌合原始動作數據、策略學習、模擬與真實世界部署之間的差距。

適用對象

• 機器人研究人員：希望獲得人形運動控制基礎的開發者。
• 開發者：希望對人形機器人進行離線動作回放或即時遠端操控的使用者。
• 機器學習工程師：希望從自有資料集訓練自訂動作策略的工程師。

核心亮點

• 高效率推論：支援在機器人上實現 300+ FPS 的即時遠端操控，以及在 GPU 上實現 3,000+ FPS 的資料生成。
• 硬體相容性廣泛：單一策略可運行於 Unitree G1 機器人 66 種不同配置（不同頭部、身體和手部）。
• 可擴展架構：採用 MoE Transformer，參數量已從 60M 扩展至 0.4B。
• 統一資料流程：將多種動作捕捉輸入標準化為單一共享表示。