NVlabs/motionbricks

MotionBricks est l'implémentation officielle de l'article SIGGRAPH 2026 : le modèle prend en entrée les 4 dernières poses du personnage et 1–4 poses cibles, puis génère les mouvements intermédiaires grâce à trois modules (trajectoire racine, pose et décodage), chaque segment durant environ 0.6–1.9 secondes, pour être ensuite concaténés en actions longues. Le dépôt fournit le modèle corporel SOMA et les modèles pré-entraînés pour le robot Unitree G1 (les fichiers ONNX sont inclus dans le dépôt, les poids originaux sont sur Hugging Face), ainsi qu'un runtime Python basé sur Warp, Newton et TensorRT, deux démonstrations (interpolation de poses et aperçu de scène) et deux éditeurs.

MotionBricks est l'implémentation officielle de l'article SIGGRAPH 2026 : le modèle prend en entrée les 4 dernières poses du personnage et 1–4 poses cibles, puis génère les mouvements intermédiaires grâce à trois modules (trajectoire racine, pose et décodage), chaque segment durant environ 0.6–1.9 secondes, pour être ensuite concaténés en actions longues. Le dépôt fournit le modèle corporel SOMA et les modèles pré-entraînés pour le robot Unitree G1 (les fichiers ONNX sont inclus dans le dépôt, les poids originaux sont sur Hugging Face), ainsi qu'un runtime Python basé sur Warp, Newton et TensorRT, deux démonstrations (interpolation de poses et aperçu de scène) et deux éditeurs.

Pourquoi c'est important Utiliser des « primitives intelligentes » pour assembler des poses cibles comme enjamber ou s'asseoir, sans réentraînement nécessaire ; le même runtime pilote le modèle corporel SOMA et le robot Unitree G1.

Nombre d'étoiles 1075 (+16 / 24h)

Raisons

  • 16 nouvelles étoiles en 24 heures, total de 1075 étoiles (indique uniquement l'attention portée) ; code sous licence Apache-2.0
  • Le README inclut la page du projet, l'article et un tutoriel étape par étape ; les démonstrations montrent un personnage qui marche, court, enjambe, s'accroupit et s'assoit dans une scène

Utilisation

  • Après avoir installé Git LFS et uv, clonez le dépôt, exécutez git lfs pull et uv sync, puis lancez uv run python -m app.scene_preview --scene assets/scenes/g1_gym.scene.json pour ouvrir l'aperçu de la scène G1

Risques

  • Le runtime dépend de TensorRT et nécessite une carte graphique NVIDIA ; l'auteur a testé sur une RTX 4090 ; la première exécution de chaque modèle et précision prend plusieurs minutes pour construire les plans TensorRT
  • Les poids des modèles sont sous NVIDIA Open Model Agreement, différent de la licence Apache-2.0 du code ; consultez les conditions avant toute utilisation commerciale

Ouvrir

Trendshift(GitHub Trending 快照)

Parcourir les dernières actualités IA