生成即训练Kimodo动作接入ProtoMotions与GMR实现机器人策略训练全链路【免费下载链接】kimodoOfficial implementation of Kimodo, a kinematic motion diffusion model for high-quality human(oid) motion generation.项目地址: https://gitcode.com/gh_mirrors/ki/kimodoKimodo 是一个运动学动作扩散模型kinematic motion diffusion model在 700 小时高质量动捕数据上训练支持用文本提示和全身关键帧、末端位置、2D 路径等约束一键生成人形与机器人动作。本文带你用 3 步把 Kimodo 生成的动作直接接入ProtoMotions训练物理策略或用GMR重定向到任意机器人打通生成即训练的完整链路 为什么生成就能训练传统机器人策略训练最大的瓶颈是高质量参考动作太贵——靠人工遥操或动捕成本高昂且数量有限。Kimodo 把这个环节变成了写一句提示词的事环节工具作用① 生成动作Kimodo本项目文本/约束 → 高质量运动学动作② 训练策略ProtoMotionsGPU 并行物理仿真 学习用生成动作训练跟踪策略③ 跨机器人迁移GMR把 SMPL-X 动作重定向到任意支持机器人三条链路都基于 Kimodo 的标准输出格式NPZ / MuJoCo CSV / AMASS NPZ无需自己写格式转换代码。第一步用 Kimodo CLI 批量生成动作数据安装后模型会自动下载直接用命令行生成。以最常用的 G1 机器人为例# 生成 5 秒的走路动作输出 3 个变体 kimodo_gen walking forward. --model Kimodo-G1-RP-v1 --duration 5 --num_samples 3 --output walk关键参数在 kimodo/scripts/generate.py 中定义--constraints可加载约束文件全身关键帧、末端、根路径等--seed保证可复现--no-postprocess关闭脚部打滑清理。小显存显卡可设置TEXT_ENCODER_DEVICEcpu显存占用降到 3GB 以内。三种模型四种输出格式怎么选模型骨架默认输出下游用途Kimodo-G1-RP-v1Unitree G134 关节MuJoCo qpos CSV NPZProtoMotions 物理训练Kimodo-SOMA-RP-v1SOMA77 关节人形Kimodo NPZProtoMotions 数字人训练Kimodo-SMPLX-RP-v1SMPL-XAMASS 格式 NPZGMR 重定向G1 模型的 CSV 每行 36 个值根节点位置[x,y,z] 四元数[w,x,y,z] 29 个单自由度关节角坐标系为 MuJoCo 标准z 轴向上。坐标与关节的映射转换实现在 kimodo/exports/mujoco.pySMPL-X 的 AMASS 导出含坐标系从 y-up 转到 z-up在 kimodo/exports/smplx.py。格式细节可参考 docs/source/user_guide/output_formats.md。第二步接入 ProtoMotions 训练物理策略 ️ProtoMotions是 GPU 加速的仿真与学习框架专门用于训练带物理仿真的数字人和人形机器人。Kimodo 的 NPZ 和 CSV 输出格式都与它兼容同时支持 SOMA 骨架和 Unitree G1——也就是说生成完动作后可以直接开始训练跟踪策略无需任何中间转换。训练前建议先在 MuJoCo 里可视化生成的动作仓库自带了一个最小可视化脚本 kimodo/scripts/mujoco_load.py配合 G1 的模型文件 kimodo/assets/skeletons/g1skel34/xml/g1.xml 即可播放python -m kimodo.scripts.mujoco_load # 先把脚本里的 CSV 路径改为你生成的文件训练后的效果——机器人在仿真中稳定跟踪 Kimodo 生成的动作第三步用 GMR 重定向到其他机器人 如果你想把动作部署到非 G1的机器人上走 SMPL-X 路线用Kimodo-SMPLX-RP模型生成动作--output会自动写出 AMASS 格式的 NPZ 文件GMRGeneral Motion Retargeting原生支持 AMASS NPZ一条命令重定向到目标机器人# 在 GMR 代码库内执行把 SMPL-X 动作重定向到 Booster T1 python scripts/smplx_to_robot.py --smplx_file /path/to/saved/amass_format.npz --robot booster_t1进阶GEAR-SONIC 实时跟踪演示官方还做了一个概念验证把 Kimodo 集成进GEAR-SONIC交互 Demo——Kimodo 在 G1 骨架上生成运动学动作GEAR-SONIC 在仿真中实时跟踪展示了文本 → 动作 → 实机行为的闭环潜力关键文件导航 生成入口CLI 参数与输出逻辑kimodo/scripts/generate.pyG1 → MuJoCo qpos 转换器kimodo/exports/mujoco.pySMPL-X → AMASS 转换器kimodo/exports/smplx.py格式自动识别NPZ/CSV/BVH/AMASS 互转kimodo/exports/motion_formats.pyMuJoCo 可视化脚本kimodo/scripts/mujoco_load.py输出格式说明文档docs/source/user_guide/output_formats.md可加载到 Demo 的 G1 生成示例含约束文件kimodo/assets/demo/examples/kimodo-g1-rp/03_full_body_keyframes/上手建议先用 G1 模型 短提示词验证链路跑通再用--num_samples批量生成多样化动作扩充训练集需要更多可控性时用交互 Demokimodo_demo设计约束并导出constraints.json再回 CLI 批量复现。【免费下载链接】kimodoOfficial implementation of Kimodo, a kinematic motion diffusion model for high-quality human(oid) motion generation.项目地址: https://gitcode.com/gh_mirrors/ki/kimodo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
生成即训练：Kimodo动作接入ProtoMotions与GMR实现机器人策略训练全链路
生成即训练Kimodo动作接入ProtoMotions与GMR实现机器人策略训练全链路【免费下载链接】kimodoOfficial implementation of Kimodo, a kinematic motion diffusion model for high-quality human(oid) motion generation.项目地址: https://gitcode.com/gh_mirrors/ki/kimodoKimodo 是一个运动学动作扩散模型kinematic motion diffusion model在 700 小时高质量动捕数据上训练支持用文本提示和全身关键帧、末端位置、2D 路径等约束一键生成人形与机器人动作。本文带你用 3 步把 Kimodo 生成的动作直接接入ProtoMotions训练物理策略或用GMR重定向到任意机器人打通生成即训练的完整链路 为什么生成就能训练传统机器人策略训练最大的瓶颈是高质量参考动作太贵——靠人工遥操或动捕成本高昂且数量有限。Kimodo 把这个环节变成了写一句提示词的事环节工具作用① 生成动作Kimodo本项目文本/约束 → 高质量运动学动作② 训练策略ProtoMotionsGPU 并行物理仿真 学习用生成动作训练跟踪策略③ 跨机器人迁移GMR把 SMPL-X 动作重定向到任意支持机器人三条链路都基于 Kimodo 的标准输出格式NPZ / MuJoCo CSV / AMASS NPZ无需自己写格式转换代码。第一步用 Kimodo CLI 批量生成动作数据安装后模型会自动下载直接用命令行生成。以最常用的 G1 机器人为例# 生成 5 秒的走路动作输出 3 个变体 kimodo_gen walking forward. --model Kimodo-G1-RP-v1 --duration 5 --num_samples 3 --output walk关键参数在 kimodo/scripts/generate.py 中定义--constraints可加载约束文件全身关键帧、末端、根路径等--seed保证可复现--no-postprocess关闭脚部打滑清理。小显存显卡可设置TEXT_ENCODER_DEVICEcpu显存占用降到 3GB 以内。三种模型四种输出格式怎么选模型骨架默认输出下游用途Kimodo-G1-RP-v1Unitree G134 关节MuJoCo qpos CSV NPZProtoMotions 物理训练Kimodo-SOMA-RP-v1SOMA77 关节人形Kimodo NPZProtoMotions 数字人训练Kimodo-SMPLX-RP-v1SMPL-XAMASS 格式 NPZGMR 重定向G1 模型的 CSV 每行 36 个值根节点位置[x,y,z] 四元数[w,x,y,z] 29 个单自由度关节角坐标系为 MuJoCo 标准z 轴向上。坐标与关节的映射转换实现在 kimodo/exports/mujoco.pySMPL-X 的 AMASS 导出含坐标系从 y-up 转到 z-up在 kimodo/exports/smplx.py。格式细节可参考 docs/source/user_guide/output_formats.md。第二步接入 ProtoMotions 训练物理策略 ️ProtoMotions是 GPU 加速的仿真与学习框架专门用于训练带物理仿真的数字人和人形机器人。Kimodo 的 NPZ 和 CSV 输出格式都与它兼容同时支持 SOMA 骨架和 Unitree G1——也就是说生成完动作后可以直接开始训练跟踪策略无需任何中间转换。训练前建议先在 MuJoCo 里可视化生成的动作仓库自带了一个最小可视化脚本 kimodo/scripts/mujoco_load.py配合 G1 的模型文件 kimodo/assets/skeletons/g1skel34/xml/g1.xml 即可播放python -m kimodo.scripts.mujoco_load # 先把脚本里的 CSV 路径改为你生成的文件训练后的效果——机器人在仿真中稳定跟踪 Kimodo 生成的动作第三步用 GMR 重定向到其他机器人 如果你想把动作部署到非 G1的机器人上走 SMPL-X 路线用Kimodo-SMPLX-RP模型生成动作--output会自动写出 AMASS 格式的 NPZ 文件GMRGeneral Motion Retargeting原生支持 AMASS NPZ一条命令重定向到目标机器人# 在 GMR 代码库内执行把 SMPL-X 动作重定向到 Booster T1 python scripts/smplx_to_robot.py --smplx_file /path/to/saved/amass_format.npz --robot booster_t1进阶GEAR-SONIC 实时跟踪演示官方还做了一个概念验证把 Kimodo 集成进GEAR-SONIC交互 Demo——Kimodo 在 G1 骨架上生成运动学动作GEAR-SONIC 在仿真中实时跟踪展示了文本 → 动作 → 实机行为的闭环潜力关键文件导航 生成入口CLI 参数与输出逻辑kimodo/scripts/generate.pyG1 → MuJoCo qpos 转换器kimodo/exports/mujoco.pySMPL-X → AMASS 转换器kimodo/exports/smplx.py格式自动识别NPZ/CSV/BVH/AMASS 互转kimodo/exports/motion_formats.pyMuJoCo 可视化脚本kimodo/scripts/mujoco_load.py输出格式说明文档docs/source/user_guide/output_formats.md可加载到 Demo 的 G1 生成示例含约束文件kimodo/assets/demo/examples/kimodo-g1-rp/03_full_body_keyframes/上手建议先用 G1 模型 短提示词验证链路跑通再用--num_samples批量生成多样化动作扩充训练集需要更多可控性时用交互 Demokimodo_demo设计约束并导出constraints.json再回 CLI 批量复现。【免费下载链接】kimodoOfficial implementation of Kimodo, a kinematic motion diffusion model for high-quality human(oid) motion generation.项目地址: https://gitcode.com/gh_mirrors/ki/kimodo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
