VLA ギャラリー / モデル一覧 / ヒューマノイド全身制御器

SONIC

SONIC (Supersizing Motion Tracking for Natural Humanoid Whole-Body Control)

NVIDIA · 2025-11

VAヒューマノイド全身制御器1.2M~42MRL方策

モーショントラッキングをデータ・モデル・計算の規模で拡大した汎用トークン全身制御器である。

論文

バックボーンLLM: なし
ビジョンエンコーダ: —
アクションヘッド: MLP制御デコーダ (RL方策)
チャンク: 非公開
制御周期: 50 Hz
構造の原文要約: VR・動画・テキスト・音楽・VLA入力をFSQ汎用トークン(64次元潜在モーショントークン)に量子化; MLPエンコーダ(v1 [2048, 1024, 512, 512]) + 制御デコーダ(v1 [2048, 2048, 1024, 1024, 512, 512]; 2025-12-8版 [4096, 4096, 2048, 2048, 1024, 1024, 512, 512]) → 29次元対角ガウシアン行動、50 Hz

事前学習アクセラレータ: GPU 128枚(モデル非公開); 最新版のスケーリング実験は16・32・128枚
事前学習期間: v1: 128 GPUで3日; v1「3~7日で収束」(コントローラ・プランナーのどちらが対象か不確実); 最新版「7日」†
事前学習ステップ・バッチ: 50k反復 · GPUあたり並列env 4,096 (Isaac Lab)
GPU・TPU時間: 21,000 (明示 · GPU時間(GPUモデルは非公開); 最新版(v4) 21k、v1要旨 9k・v1 §2.1 32,000 (版ごとに矛盾))
ファインチューニング: 該当なし (コントローラー); SONICトークンを出力するようGR00T N1.5を微調整、GPUは非公開
データ種類: モーションキャプチャ
データ規模: v1: 社内700時間・100M+フレーム(50 Hz)・170人; 最新版はリターゲティング後611時間・学習クリップ317,189個・下位カテゴリ8,447個
主要データセット: 社内モーションキャプチャ; 公開サブセット BONES-SEED(142K+ モーション、約288時間、2026-03-16 公開)
タスク・評価: 42M test-content 成功率99.6%・MPJPE-L 23.8 mm(1.2M 98.0%・27.7 mm); 実機124シーケンス 99.2%†; GR00T N1.5連携のロコ・マニピュレーション5タスク平均75%
ロボット: Unitree G1

推論デバイス・速度: 方策50 Hz、運動学プランナー10 Hz、ユーザー入力100 Hz、モーター500 Hz; プランナー遅延はノートPCで5 ms未満・Jetson Orinで12 ms; C++・TensorRTでデプロイ
推論メモリ: 非公開
重み bf16(計算): 0.1 GB
実行場所: オンボード (Jetson Orin、プランナー12 ms)

強化学習: 使用 (RL制御器の学習) · Isaac Lab大規模RLモーショントラッキング(GPU 128枚、GPUあたり環境4,096個)
ベース制御: ヒューマノイド歩行 (RL方策が直接駆動) · 汎用モーショントークン → 制御デコーダが29次元関節目標を直接出力して歩行(速度指令 0–6 m/s); VLA連携時はVLAがナビゲーション指令を出力

主な特徴: モーショントラッキングをデータ・モデル・計算の規模で拡大した汎用トークン全身制御器である。Transformerの代わりにMLPを1.2Mから42Mに拡大し、test-content成功率が98.0%から99.6%に上がった。
備考: データ時間はv1の社内データセット700時間(最新版はリターゲティング後611時間)。GPU時間は版ごとに矛盾: v1要旨 9k vs v1 §2.1 32,000('128 GPUs over 3 days')、最新版は16・32・128 GPUをいずれも50k 反復まで学習して約2k・9k・21k。VLAデータ 3,900 軌跡(物体13個 × 300)・多物体 1,000 軌跡†; v1系PDFはテレオペレーションデモ300件でGR00T N1.5をファインチューニング。2025年公開時は重みなし、チェックポイント 2026-02-19・学習コード 2026-04-10(重みは NVIDIA Open Model License、コードは Apache 2.0)。2026年の学習ガイドは64+ GPUを推奨(2025年論文の値ではない)。v4 2026-08-13(Science Robotics 11(117) eaed4592)。運動学プランナーは'Transformers or Conv1D'。
検証: 確認