地平线开源 HoloMotion-1 4 亿参数机器人小脑大模型,可实现舞蹈、健身、搬箱子等动作
阅读原文· ithome.com地平线开源的这个4亿参数模型,把机器人“小脑”拉到一个小模型级别,300FPS实时跑在端侧,零样本跳舞搬箱子,搞具身智能的该跟进看看了。
地平线机器人实验室发布了其开源的人形机器人全身控制模型 HoloMotion-1。这是一个拥有 4 亿参数的“小脑”大模型,通过 MoE 稀疏激活与 KV-cache 推理机制,在端侧实现了约 300FPS 的实时推理能力。该模型利用互联网视频、光学动捕、VR 遥操作等多种来源的动作数据进行训练,并在真实机器人上成功展示了舞蹈、爬行、健身、搬箱子等复杂动作的零样本迁移能力。相关代码与技术报告已公开。
IT之家 5 月 19 日消息,地平线 HorizonRobotics 昨日正式发布并开源 HoloMotion-1,这是地平线机器人实验室面向人形机器人全身控制打造的 4 亿参数级机器人小脑大模型。
官方表示,相比以往常见的百万级、千万级机器人控制模型,HoloMotion-1 将机器人“小脑”的模型规模提升到新的量级,并在端侧实现约 300FPS 实时推理。
HoloMotion-1 结合 MoE 稀疏激活与 KV-cache 推理机制,在保持 4 亿参数级模型容量的同时降低单步推理开销,实现端侧约 300FPS 的实时运行能力,显著高于常见 50Hz 控制频率要求。

据介绍,HoloMotion-1 使用多来源动作数据进行训练,包括互联网视频恢复动作、光学动捕数据、 VR 遥操作数据和惯性动捕遥操作数据。通过统一的数据处理和动作重定向流程,系统将人类动作转化为适合机器人学习和控制的训练数据。
在真实机器人实验中,HoloMotion-1 展示了多类复杂动作的零样本迁移能力:
高动态舞蹈动作,来自互联网视频数据
爬行、坐下、高踢腿等接触丰富动作,来自高精度光学动捕数据
健身等动作,来自低成本 VR 遥设备
搬箱子等人机交互任务,来自惯性动捕设备
这些动作覆盖了人形机器人全身控制中的多个关键难点,包括大幅度肢体运动、低姿态动作、接触丰富动作、动态平衡动作以及实时遥操作跟踪。
IT之家附相关链接如下: