外观
Skip to content
模型档案汇总架构、许可、适配机型与资料来源
GEAR-SONIC
nvidia 在 Hugging Face 发布的机器人模型，架构为 MLP Actor-Critic Policy (RL Locomotion)。
概述
这个模型的核心架构、动作空间设计与真机部署定位。
SONIC（Supersizing Motion Tracking）是 NVIDIA 开发的人形机器人行为基础模型，通过把运动跟踪作为可扩展训练任务，从大规模人类运动数据中学习核心运动技能。它以单一统一策略进行全身控制，覆盖行走、奔跑、爬行、跳跃、操作等行为，并支持键盘、手柄、PICO VR 和高层规划等多种控制方式。
仓库提供三个 Unitree G1 控制器变体：默认 SONIC、低延迟遥操作版本和 SONIC v1.1。各变体的 ONNX encoder 需与同一变体的 decoder 和 observation config 配套使用；所有变体使用 64 维 universal motion tokens 和 29-DoF action decoder，推理由 TensorRT 支持，可运行在 desktop 和 Jetson 硬件上。项目采用双许可：代码为 Apache License 2.0，模型权重为 NVIDIA Open Model License。
关键参数与架构规格
参数量、网络主干、控制频率、显存需求及 Hugging Face Hub 统计。
- 参数量
- 80M
- 网络架构
- MLP Actor-Critic Policy (RL Locomotion)
- 动作空间表示
- 连续关节目标位置 (Joint Position Targets)
- 支持数据格式
- ONNX
暂未公开或待收录：微调显存需求 · 闭环控制频率
快速部署与许可说明
开源许可证、权重拉取命令、预训练数据集与关联文章。
代码许可证
other
权重许可证
other
权重下载与策略推理参考
# 1. 从 Hugging Face Hub 下载模型权重与配置
huggingface-cli download nvidia/GEAR-SONIC --local-dir ./checkpoints/nvidia-gear-sonic
# 2. 使用 LeRobot / Transformers 加载策略开展真机或仿真闭环推理
python -m lerobot.scripts.eval --policy.path=nvidia/GEAR-SONIC关联机型
模型卡或论文声明在这些机器人上训练、微调或部署过；口径是作者声明，不是第三方复现。
没有已核实的适配记录。
同家族模型
同一家族里的热门模型。
JiRackUltra_1bCMSManhattan/JiRackUltra_1b3 天前JEV-9Bautotrust/JEV-9B17 天前RynnBrain1.1-2BAlibaba-DAMO-Academy/RynnBrain1.1-2B1 个月前JiRackPrecisionTokenizerCMSManhattan/JiRackPrecisionTokenizer1 个月前microduck-policiespollen-robotics/microduck-policies16 天前MolmoAct2-SO100_101allenai/MolmoAct2-SO100_1015 个月前
来源
本页事实对应的公开页面，以原文为准。
- Hugging Face nvidia/GEAR-SONIC访问 2026-10-21