Open Source Robotics

精选高质量开源机器人项目、工具和软件，推动机器人社区发展。

GEAR-SONIC

NVIDIA 为 Unitree G1 打造的全身控制器，经训练可跟踪任意人体动作

许可证

Apache 2.0

分别授权。代码：Apache-2.0。所有已发布的模型权重：NVIDIA Open Model License，允许商业使用和衍生模型，但须署名并遵守 NVIDIA 的 Trustworthy AI 条款。主要训练数据集 BONES-SEED：BONES-SEED 许可证，仅授予非营利学术用户及年收入低于 100 万美元的公司；其他用户需从 Bones Studio 获得商业许可。核查日期：2026-10-16。

概述

GEAR-SONIC 是 NVIDIA GEAR 实验室推出的面向人形机器人的全身控制器，其训练代码、C++ 部署栈和检查点均发布在 GR00T-WholeBodyControl 仓库中。它不为每项技能单独训练策略，而是训练单一策略来跟踪人体动作，以动作捕捉数据作为监督信号，并在此基础上扩大规模：2026 年发表于 Science Robotics 的论文将网络参数从 1.2M 扩展到 42M，训练数据为来自 700 小时 动作捕捉的超过 100M 帧。最终得到的策略能让 Unitree G1 行走、奔跑、跪下、爬行和起身。无论输入来自由键盘或手柄操控的运动学规划器、VR 头显，还是视觉-语言-动作模型，都会被转换为相同的动作 token，因此一个控制器即可服务所有输入方式。训练在 Isaac Lab 中进行，仿真验证在 MuJoCo 中完成，部署则借助 TensorRT 运行在 G1 机载的 Jetson Orin 上。代码采用 Apache-2.0 许可，权重采用 NVIDIA Open Model License。

SONIC 将人形机器人控制视为动作跟踪问题。训练时，策略会看到参考动作的一小段窗口（即重定向到机器人上的人体动作片段），并因在仿真中跟随该动作而获得奖励。由于目标来自动作捕捉而非手工设计的奖励函数，新增一项技能只需新增数据。多个编码器将不同类型的参考输入（机器人关节轨迹、SMPL 人体姿态或 VR 遥操作关键点）映射到共享的 64 维 token，再由一个解码器将该 token 转换为 G1 全部 29 个关节的目标值，频率为 50 Hz。

该仓库覆盖了完整流程。gear_sonic 包在 Isaac Lab 中使用 PPO 进行训练，既可以在 BONES-SEED 动作数据集（142,000 段动作，约 288 小时，已重定向到 G1）上从零开始训练，也可以对已发布的检查点进行微调。作者建议从零训练时使用 64 块或更多 GPU；单个 8-GPU 节点也能运行，但速度慢得多。gear_sonic_deploy 包是一个 C++ 栈，可通过 TensorRT 在桌面 GPU 或机器人的 Jetson AGX Orin、Thor 上运行导出的 ONNX 模型，并提供 MuJoCo sim-to-sim 模式，让策略在接触真实硬件之前先行试运行。另有一份指南介绍如何适配其他机器人，并以 Unitree H2 作为完整示例。

在控制器之上是多种驱动方式。运动学规划器可根据键盘或手柄指令，生成多种风格的行走、奔跑、蹲伏和爬行动作。PICO VR 头显或 NVIDIA 的 IsaacTeleop 可实时传输操作者的全身动作，用于遥操作和数据采集。一套有文档说明的工作流程可采集遥操作示范数据，在其上微调 GR00T N1.7，并以 SONIC 作为底层运行结果：由语言模型决定做什么，由 SONIC 负责保持平衡。

Hugging Face 上发布了三个 G1 检查点：原始控制器、一个预瞻 80 ms（而非 200 ms）的低延迟遥操作模型，以及采用手腕姿态增强训练、遥操作更稳定的 SONIC v1.1。同一仓库还收录了 NVIDIA 早先的 Decoupled WBC（用于 GR00T N1.5 和 N1.6 之下），以及实时动作生成器 MotionBricks 的预览版。

为何重要

大多数人形机器人控制器都是针对少数几种行为训练的小型策略，每种行为都有各自的奖励项。SONIC 是迄今最清晰的公开证据，表明驱动语言和视觉模型的扩展规律同样适用于人形机器人的底层控制：更多的动作数据、更大的网络和更多的算力，带来了持续提升的跟踪效果，以及对策略从未见过的动作更好的处理能力。由于它完整地端到端开源，包括训练代码、真机部署栈和遥操作工具，拥有 Unitree G1 的实验室可以直接将其作为自身规划器或 VLA 之下的运动层，而无需从零构建运动控制。

解决的问题

要让人形机器人在多种行为中自然地运动，通常需要为每项技能单独设计控制器或奖励，而这些控制器之间没有统一接口，因此规划器、遥操作员和学习到的策略都需要各自的控制器。SONIC 用一个基于大规模动作捕捉数据训练的动作跟踪策略取代了它们，并为各类指令提供统一的 token 接口来驱动该策略。

要点

  • 单一策略以 50 Hz 为 Unitree G1 的 29 个关节跟踪人体动作，涵盖行走、奔跑、跪下、爬行和起身
  • 论文在 700 小时 动作捕捉数据上将网络从 1.2M 扩展到 42M 参数，发现跟踪效果随数据和算力增加而持续提升
  • 运动学规划器、VR 头显和 VLA 模型都通过相同的 64 维动作 token 来驱动它
  • 端到端开源：Isaac Lab 训练、面向 G1 上 Jetson 的 C++ TensorRT 部署栈、MuJoCo sim-to-sim 验证以及 VR 遥操作
  • Hugging Face 上提供三个检查点：原始控制器、低延迟遥操作模型和 SONIC v1.1
  • 代码采用 Apache-2.0 许可，权重采用允许商业使用的 NVIDIA Open Model License；BONES-SEED 训练数据有其单独且更严格的许可

适用人群

  • 拥有 Unitree G1、希望使用通用全身控制器而非逐技能策略的实验室和公司
  • 基于动作捕捉训练人形机器人控制器、希望从一个规模化基线起步的研究人员
  • 采集人形机器人遥操作数据，或运行需要底层运动层的 VLA 的团队
  • 将动作跟踪控制器移植到其他人形机器人上的研究人员

局限

  • 已发布的检查点仅适用于 Unitree G1；其他机器人需要重定向的动作数据和一次完整训练，文档以 H2 为例进行了说明
  • 从零训练需要集群：作者建议使用 64 块或更多 GPU，且 Isaac Lab 训练环境需要支持 CUDA 12 的 GPU（推荐 L40）
  • 部署需要各平台对应特定版本的 TensorRT，在 G1 机载 Orin 上还需重新刷写为 JetPack 6
  • BONES-SEED 训练数据仅授权给学术用户和年收入低于 $1M 的公司；其他任何人若要用它重新训练，都需要获取商业许可
  • 真机使用存在人形机器人常见的风险：文档要求设置明确的安全区域，并有操作员随时准备停止机器人

本网站需要 JavaScript 才能正常运行。请启用 JavaScript 以浏览我们的开源机器人项目。