GR00T-WholeBodyControl的三个模型怎么选？SONIC默认、低延迟、v1.1检查点完全指南-平芜编程栈

GR00T-WholeBodyControl的三个模型怎么选？SONIC默认、低延迟、v1.1检查点完全指南

【免费下载链接】GR00T-WholeBodyControlWelcome to GR00T Whole-Body Control (WBC)! This is a unified platform for developing and deploying advanced humanoid controllers. This includes: Decoupled WBC models used in NVIDIA Isaac-Gr00t, Gr00t N1.5 and N1.6 and GEAR-SONIC项目地址: https://gitcode.com/gh_mirrors/gr/GR00T-WholeBodyControl

GR00T-WholeBodyControl是 NVIDIA 推出的人形机器人全身控制（WBC）统一平台，面向 Unitree G1，整合了 Decoupled WBC 与 GEAR-SONIC 两大控制器。其中 GEAR-SONIC 目前发布了3 个检查点：默认 SONIC、低延迟版、SONIC v1.1。选错模型会导致观察配置不匹配、遥操作响应变差甚至无法部署。本文带你 3 分钟搞清差异、下载与部署命令。

一张表看懂：三个检查点核心对比

三者都基于 SONIC 通用 Token 控制器：输出 64 维潜在运动 Token、控制频率 50 Hz，支持 SMPL 姿态、G1 运动参考、VR 三点位三种输入。真正的区别在于参考前瞻长度（lookahead）和训练增强方式：

模型	SMPL 参考输入	前瞻时长	适用场景	部署目录
默认 SONIC	10 帧 × 20 ms	≈200 ms	通用运动跟踪、规划、遥操作，兼容性最好	`gear_sonic_deploy/policy/release/`
低延迟版	4 帧 × 20 ms	≈80 ms	响应优先的全身遥操作、VLA 执行	`gear_sonic_deploy/policy/low_latency/`
SONIC v1.1	10 帧 × 20 ms	≈200 ms	航向稳定的 VR 三点遥操作、配套 VLA 策略	`gear_sonic_deploy/policy/sonic_v1_1/`

v1.1 的两个独特点：目标朝向做了机器人航向归一化（robot-heading-normalized），训练时加入了手腕姿态增强（wrist-pose augmentation），因此转身、手部动作更稳定。

如何选型：3 个决策问题帮你定

决策 1：要"跟得上"还是"稳得住"？

追求跟手、低滞后的实时遥操作（流式 SMPL / VR / VLA 指令）→ 选低延迟版，参考前瞻从 200 ms 缩短到 80 ms。
做运动跟踪、规划，或要兼容既有部署方案 → 选默认 SONIC。

决策 2：是否用 VR 三点位遥操作？

如果你要航向稳定的 3-point 遥操作，或训练面向该控制器的 SONIC VLA 策略 → 选SONIC v1.1。注意它不是低延迟模型，仍保留 10 帧前瞻。

决策 3：要不要在 Isaac Lab 里评估/继续训练？

部署用 ONNX；评估与微调用 PyTorch 检查点（last.pt+ 对应config.yaml）。三种模型均可通过download_from_hf.py --training系列参数获取。

一键下载：3 条命令拿对应检查点

先安装依赖，然后按需执行（详见 docs/source/getting_started/download_models.md）：

pip install huggingface_hub # ① 默认 SONIC（ONNX + 规划器 → gear_sonic_deploy/） python download_from_hf.py # ② 低延迟版 python download_from_hf.py --low-latency # ③ SONIC v1.1 python download_from_hf.py --sonic-v1-1 # 训练用 PyTorch 检查点（按需追加变体参数） python download_from_hf.py --training --low-latency python download_from_hf.py --training --sonic-v1-1 --no-smpl

下载脚本 download_from_hf.py 会把 ONNX 模型放到部署二进制期望的目录结构中。如果缺少 huggingface_hub，脚本会给出安装提示；仓库公开可下载，无需 token。

快速部署：deploy.sh 启动命令

模型与观察配置必须配套使用（encoder + decoder + observation_config 三件套）。以低延迟版为例：

cd gear_sonic_deploy # 仿真中验证 ./deploy.sh \ --cp policy/low_latency/model \ --obs-config policy/low_latency/observation_config.yaml \ sim # 真机遥操作 / VLA ./deploy.sh \ --cp policy/low_latency/model \ --obs-config policy/low_latency/observation_config.yaml \ --input-type zmq_manager \ real

默认模型直接./deploy.sh --input-type zmq_manager real即可；v1.1 只需把路径换成policy/sonic_v1_1/。各模型的观察维度可对照 observation_config.yaml、observation_config_low_latency.yaml、observation_config_sonic_v1_1.yaml 查看。

低延迟检查点在实验室真机上的实际效果（跟随 VR 指令 + 地面拾取）：

VLA 场景则用 gear_sonic/scripts/launch_inference.py 启动器，通过--deploy-checkpoint/--deploy-obs-config传入对应模型路径即可。