★ FEATURED ARTICLE 【免费下载链接】GEAR-SONIC项目地址https://ai.gitcode.com/hf_mirrors/nvidia/GEAR-SONIC点击查看免费下载GEAR-SONIC 是 NVIDIA 推出的 Unitree G1 人形机器人全身控制Whole-Body Control基础模型本仓库的模型 Checkpoints 目录中提供了Default默认版、Low-Latency低延迟版和 SONIC v1.1三大变体。新手常困惑同一个 SONIC 策略为什么有三个版本下载 Checkpoint 时该选哪个本文带你 5 分钟看懂三者的核心差异并给出按场景选型的最终建议。一、先搞懂GEAR-SONIC 的推理管线长什么样在对比 Checkpoint 之前先了解这三个变体在整条推理链路中的位置。三个变体共用同一套部署架构输入接口键盘、手柄、VR把运动指令交给运动管理器再由策略网络Policy即你下载的 encoder/decoder 模型输出关节动作驱动机器人三个变体的区别不在管线本身而在于Policy 模型的输入视野和训练方式不同——这也是选型的核心依据。所有变体共享以下规格64 维通用运动 Tokentoken_dimension: 6429 自由度29-DoF动作解码器推理引擎为TensorRT支持桌面与 Jetson 边缘设备完整的变体元数据清单定义在 config.json 中它是所有变体的发布清单直接下载文件时建议一并带上。二、三大变体核心差异速查表维度Default默认版Low-Latency低延迟版SONIC v1.1文件位置仓库顶层 sonic_release/low_latency/sonic_v1_1/SMPL 参考视野10 帧 × 20ms ≈200ms4 帧 × 20ms ≈80ms10 帧 × 20ms ≈200msG1/遥操作参考步长step5step1step5朝向处理标准机体坐标系机器人航向归一化heading-normalized训练增强——手腕姿态增强wrist-pose augmentation编码器输入维度常规12471751定位通用运动跟踪、规划、遥操作低延迟遥操作与 VLA 执行航向稳定的全身遥操作与 VLA 策略电机增益调优无需无需建议开启踝关节增益 1.5 倍一句话概括Default视野最广200ms 前瞻通用性最强⚡Low-Latency把 SMPL 参考视野砍到 80ms换来最低响应延迟SONIC v1.1在 200ms 视野基础上做了朝向归一化 手腕增强转身时更稳三、按场景选型哪个 Checkpoint 适合你3.1 选 Default通用运动跟踪与规划首选如果你刚接触 GEAR-SONIC用Kinematic Planner 生成运动跑、爬、跳跃、拳击等风格、做通用运动跟踪或日常遥操作实验直接选默认版即可。它的 ONNX 模型放在仓库顶层是最标准的部署配置。相关 Checkpoint 文件策略编码器model_encoder.onnx策略解码器model_decoder.onnx观察配置observation_config.yaml运动规划器planner_sonic.onnxPyTorch 训练检查点sonic_release/last.pt配合 sonic_release/config.yaml 使用3.2 选 Low-LatencyVR 遥操作要跟手就选它VR 全身遥操作的体验瓶颈往往在参考动作的时延上。低延迟版把 SMPL 参考从 10 帧约 200ms压缩到4 帧约 80msG1/遥操作参考也改为 step1 步长机器人对操作者的动作响应更跟手特别适合 VR 全身遥操作的实时交互 VLA视觉-语言-动作策略在真机上的低延迟执行它的 C 部署入口是policy/low_latency/model观察配置见 low_latency/observation_config.yaml训练检查点为 low_latency/last.pt实验名sonic_release_3pt_ultralatency_not_usd也印证了其超低延迟定位。3.3 选 SONIC v1.1转身稳定 VLA 策略的升级版SONIC v1.1不是低延迟模型SMPL 视野仍是 200ms它的改进点在于机器人航向归一化目标朝向以机器人自身航向为基准归一化遥操作中转身、侧移时全身姿态更稳定手腕姿态增强训练上肢尤其是手腕的跟踪精度更好如果你要跑SONIC 支撑的 VLA 策略或需要航向稳定的全身遥操作选 v1.1。部署时建议启用官方调优将左右踝关节俯仰电机硬件索引 4、10的 KP/KD 增益提升 1.5 倍--motor-kp-scale 4,101.5、--motor-kd-scale 4,101.5可显著提升全身稳定性和手腕跟踪效果。观察配置可对照 sonic_v1_1/observation_config.yaml注意其中的motion_anchor_orientation_heading_*观测项即航向归一化的体现训练检查点为 sonic_v1_1/last.pt。四、快速上手三条下载命令对应三种 Checkpoint在部署代码仓库中用官方脚本按变体下载需先pip install huggingface_hubpython download_from_hf.py # 默认版策略 规划器 python download_from_hf.py --low-latency # 低延迟版策略 规划器 python download_from_hf.py --sonic-v1-1 # SONIC v1.1 策略 规划器若需要在 Isaac Lab 中评测或渲染 PyTorch 检查点加上--training参数如python download_from_hf.py --training --low-latency示例动作数据可在 sample_data/ 目录下找到含 robot_filtered、smpl_filtered 等。五、新手必读三个最容易踩的坑⚠️ 编码器/解码器必须同变体混用每个 ONNX 编码器只能与同一变体的解码器和观察配置配对使用。顶层的model_encoder.onnx不能配low_latency/下的 decoder否则维度对不上直接报错。⚠️ 低延迟版需要新版 C 部署栈低延迟版的 SMPL 观测项是 4 帧版smpl_joints_4frame_step1等需要部署代码中对应的GetObservationRegistry()支持旧版本加载会失败。⚠️ v1.1 忘了开踝关节增益调优v1.1 的推荐增益调优是可选但强烈建议的不开也不会影响其他 Checkpoint 加载但真机上全身稳定性和手腕跟踪会打折扣。六、总结一张图选出你的 Checkpoint你的需求推荐变体第一次跑 GEAR-SONIC / 用 Planner 生成动作✅DefaultVR 遥操作要低延迟、VLA 真机执行✅Low-Latency转身稳定优先、上肢跟踪更强、SONIC 系 VLA 策略✅SONIC v1.1新手默认选 Default 准没错对延迟敏感上 Low-Latency追求复杂动作下的稳定性就上 SONIC v1.1。更详细的部署流程可参考仓库 README.md 中的 Model Checkpoints 章节。赞分享【免费下载链接】GEAR-SONIC项目地址https://ai.gitcode.com/hf_mirrors/nvidia/GEAR-SONIC点击查看免费下载相关推荐StashBase三大Agent对比指南Claude、Codex与免费Default Agent新手到底该怎么选StashBase三大Agent对比指南Claude、Codex与免费Default Agent新手到底该怎么选 StashBase 是一款开源、本地优先SNORKs技术详解Sonic、PLONK、Marlin三大系统对比SNORKs技术详解Sonic、PLONK、Marlin三大系统对比 SNORKsSuccinct Non interactive Oecumenical文档教程HEART-fp16 四大模型变体怎么选fidelity、sharp、clean、clean2x 超分辨率对比指南HEART fp16 四大模型变体怎么选fidelity、sharp、clean、clean2x 超分辨率对比指南 HEART fp16 是一个基于 HAT上一篇LK与Rust集成现代嵌入式开发新范式下一篇Powerlevel9k 开源项目安装与使用指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
阅读完成 · 觉得有帮助？
