# asimov1-locomotion-0818

> 权威词条地址：https://robotics.hellobike.com/models/menlo-asimov1-locomotion-0818
> 所属分类：models | 最近核验日期：2026-10-23 | 技术层级：L7

## 核心摘要

Menlo 在 Hugging Face 发布的机器人模型，基于 asimov。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/Menlo/asimov1-locomotion-0818"}] |
| `updated` | 2026-10-23 |
| `family` | other |
| `params` | 80M |
| `architecture` | LeRobot / PyTorch Policy Network |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | bsd-3-clause |
| `weights_license` | bsd-3-clause |
| `data_formats` | ["ONNX"] |
| `control_hz` | 50 |
| `status` | research |
| `hub_id` | Menlo/asimov1-locomotion-0818 |
| `hub_stats` | {"downloads": 132, "likes": 6, "as_of": "2026-10-26"} |
| `overview_sources` | ["https://huggingface.co/Menlo/asimov1-locomotion-0818"] |

## 技术详解与生态说明

Asimov 1 locomotion policy checkpoint 是面向 Asimov 1 的基础速度指令式 locomotion 策略。模型以 `policy.onnx` 形式导出用于推理，输出关节位置动作；配套的 `agent.yaml` 记录 actor-critic 与 AMP 训练设置及运动数据配置，`env.yaml` 记录仿真和 locomotion 任务设置，包括观测、动作、指令和奖励。

该策略在 Isaac Lab 中使用 PPO 和 adversarial motion priors 训练，训练环境基于 PhysX；浏览器查看器中使用 MuJoCo 进行仿真。输入为 50 Hz 的 78 个值，包括基座角速度、投影重力、速度指令 `vx, vy, wz`、关节位置和速度以及上一时刻动作，这些量都可在真实机器人上获得。输出为 23 个关节位置动作，覆盖腿、腰和手臂，颈部不驱动。

使用方式是通过 humanoid-policy-viewer 在浏览器仿真中运行该策略，需要 Node、git 和 bash，不需要 GPU。用户可以用速度滑块驱动机器人、推它，或运行 benchmark suite；训练和评估代码位于 `menloresearch/isaac_asimov`。

## 原始核验来源 (Sources)

- [Hugging Face Menlo/asimov1-locomotion-0818](https://huggingface.co/Menlo/asimov1-locomotion-0818)