LeRobot ya controla el humanoide Unitree G1 mediante un VLA y un controlador de cuerpo completo
- Fuente: Hugging Face LeRobot team
- Autor: Open Source Robotics
- Publicado: 2026-09-25
- Categoría: business
El equipo de LeRobot ha publicado un flujo de trabajo completo para el humanoide Unitree G1. Una política π0.5 predice tokens de movimiento y el controlador SONIC de NVIDIA los convierte en movimiento equilibrado de cuerpo completo; el equipo de teleoperación, el hardware imprimible, el conjunto de datos y los pesos están publicados. La ruta SONIC está en la rama principal de LeRobot, aún no en una versión.
LeRobot ya puede ejecutar una política aprendida en un humanoide de tamaño completo. En una publicación del 25 de septiembre, el equipo de LeRobot de Hugging Face muestra toda la cadena en un Unitree G1: teleoperación de cuerpo completo, un conjunto de datos, un modelo visión-lenguaje-acción ajustado y un controlador que mantiene en pie a un bípedo de 29 articulaciones mientras el modelo decide qué hacer.
El diseño resuelve un problema que los brazos nunca tuvieron. Un VLA es demasiado lento para equilibrar por sí solo a un robot que camina, así que LeRobot coloca un controlador rápido entre ambos. La política es π0.5 de OpenPI, y predice un token de movimiento compacto de 64 dimensiones en lugar de ángulos articulares. El decodificador de SONIC de NVIDIA, parte de GR00T-WholeBodyControl, convierte cada token más el estado corporal reciente en objetivos articulares a 50 Hz en el robot. La receta sigue el artículo de OpenHLM con un cambio: LeRobot entrena el VLA directamente sobre el token latente. El decodificador SONIC se fusionó en LeRobot el 17 de agosto como una reimplementación ONNX en Python puro.
La tarea de demostración es llevar una lata hasta una mesa. Su conjunto de datos contiene unos 100 episodios, aproximadamente 71 minutos de teleoperación en realidad virtual con tres cámaras. π0.5 se ajustó con él durante 12.000 pasos en cuatro H100, y la política resultante es pública. El propio robot está modificado: pinzas OpenArm sobre adaptadores de muñeca impresos, una cámara en la cabeza y una mochila impresa para el adaptador CAN-FD y el cableado. Las piezas imprimibles también están publicadas.
La publicación cubre además un segundo experimento y el resto de la pila. El equipo entrenó un adaptador LoRA sobre SONIC en mjlab con PPO, para que el G1 esquive pelotas lanzadas usando la profundidad de su cámara de cabeza. Sigue a ViBE. En simulación esquivó el 79,1 % de los lanzamientos, frente al 0 % con la entrada de profundidad en blanco. El equipo deja claro que es una cifra de simulación y que el vídeo en hardware es una demostración, no una evaluación. El G1 también puede controlarse mediante el control de cuerpo completo de GR00T o con Holosoma de Amazon FAR. Tiene una simulación en MuJoCo e IK de brazo, y el guante y el exoesqueleto Homunculus del equipo registran la teleoperación directamente a partir del movimiento articular. Esos dispositivos se construyeron primero para HOPEJr.
Una cosa que conviene aclarar. El soporte para el G1 lleva meses en las versiones de LeRobot, pero el decodificador SONIC se fusionó después de la v0.6.1, la última versión etiquetada. Usar el flujo descrito aquí implica instalar LeRobot desde el código fuente, y la documentación del G1 está escrita para la rama principal. El equipo dice que el próximo humanoide que soportará es Asimov, el robot de código abierto de Menlo Research.
Por qué importa
Los humanoides son donde el aprendizaje robótico está volcando su esfuerzo, y hasta ahora las herramientas abiertas se quedaban sobre todo en los brazos. Lo difícil en un bípedo no es el modelo, sino mantenerlo en pie mientras el modelo piensa. Repartir el trabajo entre una política lenta y un controlador rápido de cuerpo completo, y publicar cada pieza de la cadena, da a cualquiera con un G1 un punto de partida reproducible. También permite entrenar una política a nivel de tarea con unas cien demostraciones, sin volver a aprender el equilibrio desde cero.
Puntos clave
- LeRobot ejecuta una política π0.5 en el Unitree G1 haciéndole predecir los tokens de movimiento 64-D de SONIC, que un decodificador rápido a bordo convierte en objetivos para 29 grados de libertad a 50 Hz
- El decodificador SONIC es un port ONNX en Python puro fusionado en LeRobot el 17 de agosto; está en la rama principal pero no en la v0.6.1, la última versión
- La política de ejemplo para llevar una lata se entrenó con unos 100 episodios de teleoperación VR de cuerpo completo (unos 71 minutos); el conjunto de datos y los pesos son públicos
- Se publican modificaciones imprimibles del G1: adaptadores de muñeca para pinzas OpenArm, un soporte de cámara para la cabeza y una carcasa trasera para el adaptador CAN-FD
- Un adaptador para esquivar pelotas basado en profundidad, entrenado en mjlab, esquivó el 79,1 % de los lanzamientos en simulación; los autores aclaran que no tiene una tasa de éxito medida en hardware
- El G1 también puede controlarse con el control de cuerpo completo de GR00T o con Holosoma, con simulación en MuJoCo, IK de brazo y estado propioceptivo completo
- Asimov, el humanoide de código abierto de Menlo Research, se anuncia como el próximo robot compatible
Aspecto de código abierto
Todo lo que describe la publicación está liberado: el decodificador SONIC y la integración del G1 en LeRobot bajo Apache-2.0, el conjunto de datos de teleoperación, los pesos de la política ajustada, las modificaciones de hardware imprimibles y los diseños del guante y el exoesqueleto Homunculus. Lo que no es abierto es el robot. El Unitree G1 es un humanoide comercial, así que el flujo es software abierto sobre hardware cerrado, y la publicación nombra a Asimov como el humanoide abierto que se soportará a continuación.
Tecnologías relacionadas
- LeRobot
- Unitree G1
- OpenPI
- SONIC
- GR00T-WholeBodyControl
- OpenHLM
- Holosoma
- mjlab
- OpenArm
- MuJoCo
Proyectos relacionados
Enlaces
- Fuente: https://huggingface.co/blog/nepyope/bringing-humanoids-to-lerobot