GR00T-WholeBodyControl 项目全景图Decoupled WBC、GEAR-SONIC、MotionBricks 三大组件新手入门地图【免费下载链接】GR00T-WholeBodyControlWelcome to GR00T Whole-Body Control (WBC)! This is a unified platform for developing and deploying advanced humanoid controllers. This includes: Decoupled WBC models used in NVIDIA Isaac-Gr00t, Gr00t N1.5 and N1.6 and GEAR-SONIC项目地址: https://gitcode.com/gh_mirrors/gr/GR00T-WholeBodyControlGR00T-WholeBodyControl 是 NVIDIA 开源的**人形机器人全身控制Whole-Body Control, WBC**统一平台一份代码库同时覆盖训练、仿真评估和真机部署三大环节。本文用一张入门地图带新手快速看懂它你不需要读几万行代码只需要弄清Decoupled WBC、GEAR-SONIC、MotionBricks三大组件各管什么、从哪个目录开始、用什么命令跑起来。整个控制系统的信号流可以浓缩成一句话输入接口键盘/手柄/VR 遥操作→ 运动规划器 → 动作管理器 → 策略Policy→ 机器人右侧的状态记录器State Logger负责回传数据与录制。搞清楚这条主线后面看源码就不会迷路。一分钟上手克隆仓库与最小可用环境先装 Git LFS——仓库里有 mesh、ONNX 等大文件跳过这步会拿到指针文件而不是真实数据sudo apt install git-lfs git lfs install克隆仓库并拉取资源git clone https://gitcode.com/gh_mirrors/gr/GR00T-WholeBodyControl cd GR00T-WholeBodyControl git lfs pull python check_environment.py # 校验本地环境按用途选环境每个场景都有独立隔离的虚拟环境互不干扰你想做什么安装命令仓库根目录执行MuJoCo 仿真验证Sim2Simbash install_scripts/install_mujoco_sim.shVR 遥操作bash install_scripts/install_pico.sh数据采集bash install_scripts/install_data_collection.sh训练/微调 SONIC先装 Isaac Lab再pip install -e gear_sonic/[training] 官方强烈建议任何真机部署之前先跑一遍 MuJoCo 的 sim2sim 流程并安排急停安全人员。组件一GEAR-SONIC——一个策略搞定全身动作GEAR-SONIC 是本仓库最核心的明星模块。与传统一种动作写一个控制器不同SONIC 用大规模人体动作数据 动作跟踪作为统一训练任务让一个策略自然输出走路、爬行、遥操作等全身动作并支持键盘/手柄、ZMQ 和 VR 三输入。仓库里它被拆成两半gear_sonic/Python 训练栈。PPO 训练主入口是 gear_sonic/train_agent_trl.py仿真评估入口是 gear_sonic/eval_agent_trl.py数据处理管线在 gear_sonic/data_process/如 CSV 转运动库的 convert_soma_csv_to_motion_lib.pygear_sonic_deploy/C TensorRT 真机推理栈一键启动脚本是 gear_sonic_deploy/deploy.sh机器人描述文件23/29 DOF 的 XML放在 gear_sonic_deploy/g1/。典型验证链路是两个终端终端 1 跑 gear_sonic/scripts/run_sim_loop.pyMuJoCo 仿真终端 2 在gear_sonic_deploy/下执行bash deploy.sh sim。模型检查点通过 download_from_hf.py 一键下载默认版 / 低延迟版 / v1.1 版三种。组件二Decoupled WBC——GR00T N1.5 / N1.6 背后的解耦控制器decoupled_wbc/ 是 NVIDIA Isaac-Gr00t、GR00T N1.5 与 N1.6 使用的解耦全身控制栈下半身用强化学习RL策略负责 locomotion上半身用逆运动学IK负责操作任务两条链路解耦又协同。它面向 Unitree G1 人形机器人提供完整的遥操作与数据导出能力控制主循环decoupled_wbc/control/main/teleop/run_g1_control_loop.py加--interface real切换真机多种策略实现遥操作、插值、键盘导航等在 decoupled_wbc/control/policy/机器人模型与 G1 资产在 decoupled_wbc/control/robot_model/遥操作硬件支持PICO、iPhone、Manus、Vive 等在 decoupled_wbc/control/teleop/。该组件自带 Docker 环境decoupled_wbc/docker/一条./docker/run_docker.sh --install --root即可完成依赖安装是新手体验仿真里驱动 G1 走路成本最低的路径。组件三MotionBricks——把动作当积木实时生成如果说 GEAR-SONIC 靠跟踪数据学动作motionbricks/ 走的是生成式路线大规模潜在latent骨干网络 直观的智能原语smart primitives在 15,000 FPS 下零样本合成高质量动作像拼积木一样搭出复杂动画与机器人行为与跟踪式控制器形成互补。当前预览版包含交互式 G1 演示键盘驱动、MuJoCo 查看器入口在 motionbricks/scripts/interactive_demo_g1.py、预训练检查点VQVAE · 姿态 · 根轨迹、合成数据训练管线motionbricks/motionbricks/data/synthetic_dataset.py以及动作表示文档 motionbricks/docs/motion_representation.md。更详细的说明见 motionbricks/README.md。⚠️ 注意MotionBricks 的预训练检查点约 2.2 GB默认不随主仓库下载需要时执行git lfs pull --includemotionbricks/out/** --exclude。新手学习路线建议先读地图主 README.md 官方文档首页 docs/source/index.rst跑通 Sim2SimMuJoCo 仿真 SONIC 部署熟悉键盘/手柄控制教程在 docs/source/tutorials/如 keyboard.md、zmq.md选一个组件深挖想训练看 docs/source/user_guide/training.md想部署看 docs/source/getting_started/installation_deploy.md想玩生成式动作看 motionbricks/README.md最后再碰真机确认安全区、急停到位后才把sim参数换成real。避坑清单 ️Git LFS 必装否则大文件全部变成占位指针部署时会静默失败模型三件套要对版ONNX 检查点必须搭配同版本的observation_config.yaml低延迟版和 v1.1 版的配置不通用配置文件在 gear_sonic_deploy/policy/环境要隔离仿真、遥操作、数据采集各有独立 venv混用一个环境容易依赖打架双许可协议源码遵循 Apache 2.0模型权重遵循 NVIDIA Open Model License商用前请阅读 LICENSE 与 legal/ 目录。三大组件各司其职GEAR-SONIC 给你一个策略管全身的通用底座Decoupled WBC 是已量产验证的解耦经典方案MotionBricks 则打开实时生成式动作的新想象空间。沿着这张地图从仿真走向真机你需要的全部代码、模型与文档都已就位。【免费下载链接】GR00T-WholeBodyControlWelcome to GR00T Whole-Body Control (WBC)! This is a unified platform for developing and deploying advanced humanoid controllers. This includes: Decoupled WBC models used in NVIDIA Isaac-Gr00t, Gr00t N1.5 and N1.6 and GEAR-SONIC项目地址: https://gitcode.com/gh_mirrors/gr/GR00T-WholeBodyControl创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 GR00T-WholeBodyControl 项目全景图：Decoupled WBC、GEAR-SONIC、MotionBricks 三大组件新手入门地图
GR00T-WholeBodyControl 项目全景图Decoupled WBC、GEAR-SONIC、MotionBricks 三大组件新手入门地图【免费下载链接】GR00T-WholeBodyControlWelcome to GR00T Whole-Body Control (WBC)! This is a unified platform for developing and deploying advanced humanoid controllers. This includes: Decoupled WBC models used in NVIDIA Isaac-Gr00t, Gr00t N1.5 and N1.6 and GEAR-SONIC项目地址: https://gitcode.com/gh_mirrors/gr/GR00T-WholeBodyControlGR00T-WholeBodyControl 是 NVIDIA 开源的**人形机器人全身控制Whole-Body Control, WBC**统一平台一份代码库同时覆盖训练、仿真评估和真机部署三大环节。本文用一张入门地图带新手快速看懂它你不需要读几万行代码只需要弄清Decoupled WBC、GEAR-SONIC、MotionBricks三大组件各管什么、从哪个目录开始、用什么命令跑起来。整个控制系统的信号流可以浓缩成一句话输入接口键盘/手柄/VR 遥操作→ 运动规划器 → 动作管理器 → 策略Policy→ 机器人右侧的状态记录器State Logger负责回传数据与录制。搞清楚这条主线后面看源码就不会迷路。一分钟上手克隆仓库与最小可用环境先装 Git LFS——仓库里有 mesh、ONNX 等大文件跳过这步会拿到指针文件而不是真实数据sudo apt install git-lfs git lfs install克隆仓库并拉取资源git clone https://gitcode.com/gh_mirrors/gr/GR00T-WholeBodyControl cd GR00T-WholeBodyControl git lfs pull python check_environment.py # 校验本地环境按用途选环境每个场景都有独立隔离的虚拟环境互不干扰你想做什么安装命令仓库根目录执行MuJoCo 仿真验证Sim2Simbash install_scripts/install_mujoco_sim.shVR 遥操作bash install_scripts/install_pico.sh数据采集bash install_scripts/install_data_collection.sh训练/微调 SONIC先装 Isaac Lab再pip install -e gear_sonic/[training] 官方强烈建议任何真机部署之前先跑一遍 MuJoCo 的 sim2sim 流程并安排急停安全人员。组件一GEAR-SONIC——一个策略搞定全身动作GEAR-SONIC 是本仓库最核心的明星模块。与传统一种动作写一个控制器不同SONIC 用大规模人体动作数据 动作跟踪作为统一训练任务让一个策略自然输出走路、爬行、遥操作等全身动作并支持键盘/手柄、ZMQ 和 VR 三输入。仓库里它被拆成两半gear_sonic/Python 训练栈。PPO 训练主入口是 gear_sonic/train_agent_trl.py仿真评估入口是 gear_sonic/eval_agent_trl.py数据处理管线在 gear_sonic/data_process/如 CSV 转运动库的 convert_soma_csv_to_motion_lib.pygear_sonic_deploy/C TensorRT 真机推理栈一键启动脚本是 gear_sonic_deploy/deploy.sh机器人描述文件23/29 DOF 的 XML放在 gear_sonic_deploy/g1/。典型验证链路是两个终端终端 1 跑 gear_sonic/scripts/run_sim_loop.pyMuJoCo 仿真终端 2 在gear_sonic_deploy/下执行bash deploy.sh sim。模型检查点通过 download_from_hf.py 一键下载默认版 / 低延迟版 / v1.1 版三种。组件二Decoupled WBC——GR00T N1.5 / N1.6 背后的解耦控制器decoupled_wbc/ 是 NVIDIA Isaac-Gr00t、GR00T N1.5 与 N1.6 使用的解耦全身控制栈下半身用强化学习RL策略负责 locomotion上半身用逆运动学IK负责操作任务两条链路解耦又协同。它面向 Unitree G1 人形机器人提供完整的遥操作与数据导出能力控制主循环decoupled_wbc/control/main/teleop/run_g1_control_loop.py加--interface real切换真机多种策略实现遥操作、插值、键盘导航等在 decoupled_wbc/control/policy/机器人模型与 G1 资产在 decoupled_wbc/control/robot_model/遥操作硬件支持PICO、iPhone、Manus、Vive 等在 decoupled_wbc/control/teleop/。该组件自带 Docker 环境decoupled_wbc/docker/一条./docker/run_docker.sh --install --root即可完成依赖安装是新手体验仿真里驱动 G1 走路成本最低的路径。组件三MotionBricks——把动作当积木实时生成如果说 GEAR-SONIC 靠跟踪数据学动作motionbricks/ 走的是生成式路线大规模潜在latent骨干网络 直观的智能原语smart primitives在 15,000 FPS 下零样本合成高质量动作像拼积木一样搭出复杂动画与机器人行为与跟踪式控制器形成互补。当前预览版包含交互式 G1 演示键盘驱动、MuJoCo 查看器入口在 motionbricks/scripts/interactive_demo_g1.py、预训练检查点VQVAE · 姿态 · 根轨迹、合成数据训练管线motionbricks/motionbricks/data/synthetic_dataset.py以及动作表示文档 motionbricks/docs/motion_representation.md。更详细的说明见 motionbricks/README.md。⚠️ 注意MotionBricks 的预训练检查点约 2.2 GB默认不随主仓库下载需要时执行git lfs pull --includemotionbricks/out/** --exclude。新手学习路线建议先读地图主 README.md 官方文档首页 docs/source/index.rst跑通 Sim2SimMuJoCo 仿真 SONIC 部署熟悉键盘/手柄控制教程在 docs/source/tutorials/如 keyboard.md、zmq.md选一个组件深挖想训练看 docs/source/user_guide/training.md想部署看 docs/source/getting_started/installation_deploy.md想玩生成式动作看 motionbricks/README.md最后再碰真机确认安全区、急停到位后才把sim参数换成real。避坑清单 ️Git LFS 必装否则大文件全部变成占位指针部署时会静默失败模型三件套要对版ONNX 检查点必须搭配同版本的observation_config.yaml低延迟版和 v1.1 版的配置不通用配置文件在 gear_sonic_deploy/policy/环境要隔离仿真、遥操作、数据采集各有独立 venv混用一个环境容易依赖打架双许可协议源码遵循 Apache 2.0模型权重遵循 NVIDIA Open Model License商用前请阅读 LICENSE 与 legal/ 目录。三大组件各司其职GEAR-SONIC 给你一个策略管全身的通用底座Decoupled WBC 是已量产验证的解耦经典方案MotionBricks 则打开实时生成式动作的新想象空间。沿着这张地图从仿真走向真机你需要的全部代码、模型与文档都已就位。【免费下载链接】GR00T-WholeBodyControlWelcome to GR00T Whole-Body Control (WBC)! This is a unified platform for developing and deploying advanced humanoid controllers. This includes: Decoupled WBC models used in NVIDIA Isaac-Gr00t, Gr00t N1.5 and N1.6 and GEAR-SONIC项目地址: https://gitcode.com/gh_mirrors/gr/GR00T-WholeBodyControl创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考