英伟达SONIC：面向自然人形控制的运动基础模型

人形机器人现在可通过单一英伟达基础模型学习行走、奔跑、爬行、跳舞及操控物体。

英伟达的SONIC（面向自然人形控制的运动追踪超大规模化，Supersizing Motion Tracking for Natural Humanoid Control）旨在为 人形机器人 提供全身控制能力，使其能够协调各关节、维持平衡，并实时调整动作。

该开源轻量级基础模型现已向公众开放；英伟达于7月发布了一个检查点（checkpoint），适用于包括遥操作及 视觉-语言-动作 （VLA）驱动控制在内的多种应用场景。SONIC背后的研究成果本月亦发表于 《科学·机器人学》（Science Robotics）期刊，作为英伟达推动该技术惠及更多工程师战略的一部分。

尽管语言模型与视觉模型已迅速扩展至包含数十亿参数，并在海量数据集上完成训练，但用于控制人形机器人运动的模型却仍相对较小，通常仅使用少量GPU针对有限行为集进行调优。为机器人技能库新增一项技能或动作，通常需从头构建一个全新控制器。

SONIC旨在改变这一现状，利用逾1亿帧动作捕捉数据（代表约700小时的人类运动），构建单一机器人训练模型。

工作原理

“全身控制要求所有关节协同运作，同时维持平衡、处理接触交互，并实时适应变化的运动目标，”英伟达总监兼杰出研究科学家朱昱克（Yuke Zhu）向AI Business表示。

SONIC已在三个维度——模型规模、训练数据与算力——得到验证，其训练模型参数量范围为120万至4200万。结果是，该控制器不仅能跟踪一系列已知动作，还能适应训练中未曾见过的动作。

在朱昱克看来，这标志着人形机器人编程方式的转变。

“我们不再为单项技能手工设计控制器，而是通过大规模动作追踪，让SONIC学习一种通用运动基础，”他表示，“同一策略可由VR、视频或VLA模型驱动，并泛化至训练中未见的行为。”

随着人形机器人从受控演示阶段迈向 真实世界、不可预测的环境，这种灵活性将日益重要。

在测试中，研究团队展示了 SONIC执行 多种任务的能力，包括拿起电钻并将其放入箱中、将易拉罐投入垃圾桶，以及操控胡萝卜、海绵和苹果等物体。

该机器人还展示了武术动作及地面爬行，实时模仿人类示范者。

尚存挑战

尽管取得进展，SONIC仍属研究系统，人形控制领域一些最棘手的问题仍未解决。朱昱克指出，富含接触交互的任务及高度受限的动作尤其具有挑战性，特别是当 仿真 与现实世界性能之间存在差距时。

“英伟达正通过更丰富的训练数据、更优仿真及域随机化（domain randomization）来改进这些方面，而某些限制最终取决于机器人的物理能力，”他表示。

然而，更大的考验在于开发者能否将该设计从受控演示成功转化为实体部署。

“下一步是在多样化的真实世界环境中展示长期鲁棒性、可靠性与安全性，”朱昱克表示，“这需要更广泛的验证、更优的 仿真到现实 （sim-to-real）迁移能力，以及集成于整个机器人技术栈中的生产级安全系统。”

SONIC在英伟达框架中的定位

SONIC是英伟达构建物理人工智能底层技术栈更广泛战略的一部分。

这家芯片制造商日益将 机器人技术定位为其AI平台的延伸，其Isaac与 Cosmos 生态系统覆盖机器人基础模型、仿真、合成数据，以及将AI模型部署至物理设备的工具。

尽管 英伟达的Isaac GR00T 平台旨在解析指令并确定机器人应执行何种操作，SONIC则将这些意图转化为协调的物理运动。

“SONIC是一种运动基础，可将高层意图转化为协调的全身运动，”朱昱克表示，“它连接仿真与基础模型（包括VLA模型）至实时机器人控制，提供一种可复用的全身策略，而非为每项任务单独设计新的底层控制器。”