重磅开源！4200万参数SONIC模型，让人形机器人拥有人类自然全身运动能力

早在今年2月，我们就曾为大家介绍过NVIDIA开源SONIC人形机器人全身控制模型（NVIDIA开源SONIC，让人形机器人控制实现规模化通用），这款专为仿生运动打造的基础模型，凭借对标人类的自然运动能力，一度成为人形机器人具身智能领域的焦点技术方案。如今，重磅更新再度来袭：SONIC完整开源安装包正式全面上线，标志着这项前沿技术正式向全球开发者开放全栈能力，为人形机器人自然运动控制、通用化落地带来了重磅技术革新，也为全球机器人研发社区提供了一套高性能、可复用、可拓展的底层运动控制基础方案。

SONIC是一款拥有4200万参数的人形机器人全身控制通用基座模型，核心目标是复刻人类自然运动逻辑。该模型依托海量人类运动数据开展深度学习训练，彻底摆脱传统机器人动作僵硬、场景单一、适配性差的痛点，能够让机器人输出高度贴近人类的流畅、自然、稳定的全身运动效果。

在功能适配层面，SONIC具备极强的多模态指令响应能力，可将各类差异化指令，精准转化为稳定、自然的机器人全身行为。其全面支持VR远程操控、真人视频动作追踪、文本指令驱动、音乐联动运动、物体交互操作，以及基于GR00T视觉语言动作模型（VLA）的移动操控等多元场景，实现了单一模型覆盖多类运动控制任务，大幅提升了人形机器人的运动通用性与场景适配能力。

相较于传统机器人控制模型，SONIC的核心突破源于全方位的规模化技术升级。研发团队从模型参数、训练数据、算力资源三大核心维度完成跨越式迭代：模型参数从最初的120万迭代至420万，大幅提升运动特征学习能力；依托700小时高质量动作捕捉数据，构建起超1亿帧的大规模训练数据集；同时投入21000小时GPU算力完成全维度训练，让模型充分学习人类各类运动细节与运动规律。

为高效完成大规模强化学习训练，研发团队基于NVIDIA Isaac Lab仿真平台开展技术突破，通过128块GPU实现超50万台机器人并行仿真训练。这一架构将物理仿真运算速度提升10000倍，仅需数小时的真实时长，就能让机器人积累等同于数年的虚拟运动经验，极大缩短了模型训练周期，同时夯实了模型的运动稳定性与泛化能力。

更具落地价值的是，SONIC具备强大的零样本迁移能力。该模型无需任何微调优化，即可直接部署于真实G1人形机器人，在各类复杂的真实场景运动序列任务中，均能实现极高的执行成功率，真正打通了仿真训练到真机落地的技术壁垒，解决了多数机器人模型仿真效果好、真机落地差的行业难题。

本次开源的完整工具包，覆盖了研发与落地全流程核心资源，包含模型训练代码、推理部署代码、完整模型权重、GR00T VLA后置训练流程，以及Bones平台开源的动作捕捉数据集、适配G1机器人的重定向数据集。全套资源免费向开发者社区开放，不仅支持科研人员开展二次研究，也能助力开发者基于SONIC技术框架，快速适配不同形态的人形机器人，打造专属的通用全身控制方案。

SONIC的开源落地，标志着人形机器人运动控制正式迈入规模化、通用化、开源化新阶段，将有效降低行业研发门槛，加速自然人形机器人在交互、服务、作业等多场景的商业化落地，为人形机器人产业的快速迭代提供核心技术支撑。

网站介绍：https://nvlabs.github.io/GEAR-SONIC/

代码和权重：https://github.com/NVlabs/GR00T-WholeBodyControl

白皮书：https://arxiv.org/abs/2511.07820

数据：https://bones.studio/datasets/seed