论文记录 · 证据边界公开

From Language to Locomotion: Retargeting-free Humanoid Control via Motion Latent Guidance

arXiv · 2025-10-16 · 人形全身运动跟踪

论文元数据

作者: Zhe Li、Cheng Chi、Yangyang Wei、Boan Zhu、Yibo Peng、Tao Huang、Pengwei Wang、Zhongyuan Wang、Shanghang Zhang、Chang Xu
机构: 机构尚未补齐
发布日期精度: 日
研究方向: 人形全身运动跟踪
机器人: 未关联具体机器人
DOI: 10.48550/arXiv.2510.14952
arXiv: 2510.14952
arXiv 当前版本: 2
arXiv 最近修订: 2025-10-17
arXiv 主分类: cs.RO
引用元数据: 0
记录状态: included
质量检查: 无自动质量红旗

工程资源状态

代码: 存在链接线索，尚未核验官方性与可运行性
权重: 未核验
数据: 未核验
许可证: 未核验

当前实践优先级

观察 · 60/100 · 7–12 个月

研发注意力：44/80 · 证据分项观察

工程落地：14/15 · 量化实机证据＋工程实用增量

标准分类标签：颠覆性分支

路线评审说明：语言到全身控制颠覆性分支

社区证据类型：尚无独立社区验证

语言直接条件化 motion latent 和 diffusion policy，绕过动作解码/重定向，论文报告端到端时延从 17.85 秒降到 5.84 秒；训练/评测/ONNX/MuJoCo/G1 脚本与 344 MB 数据/latent 可取，但根许可证、HF 数据卡和最终策略权重缺失。

近期窗口 · 24/35
发布距评分基准日 10 个月，落入 7–12 个月窗口。
社区可复查验证 · 0/25
没有独立团队公开固定提交、相同语言/动作数据、G1 硬件和可比成功率、跟踪误差、端到端时延；fork 与作者演示不计分。
跨领域技术创新 · 20/20
自然语言、混合 causal transformer-diffusion 生成器、motion latent、扩散动作策略、无重定向控制、ONNX/MuJoCo 和 G1 部署被统一为多模态全身控制基础。
量化实机证据 · 9/10
论文报告真实人形上的语义一致动作、成功率/跟踪提升和 17.85→5.84 秒时延下降，仓库含 G1 实机脚本；完整语言生成依赖与独立真机重复未披露。
开放与可复现 · 2/5
Isaac Lab teacher/student 训练、评测、ONNX、MuJoCo 和 G1 代码及 301 MB 数据、43 MB motion latent 存在；根 BSD 许可证链接 404，HF 无许可/数据卡，无最终 policy checkpoint。
工程实用增量 · 5/5
可直接与语言→动作→重定向串联方案对比时延和误差，并从公开数据训练策略；许可、算力与最终权重缺口增加验证成本。

社区可复查证据：尚未收录；Stars、forks 与作者演示不计社区验证。

证据缺口：缺少显式可复查社区复现/部署证据；开放与复现条件不足；根BSD许可证缺失；HF数据和motion latent无许可证/数据卡；无最终teacher/student策略权重；语言到latent生成边界与算力未打包；无独立G1复现

当前实践分只决定今天的阅读与最小验证优先级；近期、社区验证和跨领域创新合计 80/100，不会把前沿观察条目自动升级成候选或确认里程碑。社区维度只有显式独立证据才能得高分，只有失败记录时必须标为社区反证。

工程资源评审结论与反面证据

official_code_and_data_license_conflict · hold_missing_root_code_and_dataset_licenses
审核码：hold_missing_root_code_and_dataset_licenses; 官方关系：verified_official_repository_but_license_missing_and_conflicting; 最近核验：2026-07-20
代码：官方仓库不可变提交 b5a88d7 包含 Isaac Lab teacher/student 训练、评测、ONNX 导出、MuJoCo Sim2Sim 和 Unitree G1 Sim2Real 脚本。
权重：Hugging Face 端点匿名可访问 general.pt（预训练 motion latents）43,469,641 字节；它不是最终 teacher/student policy checkpoint，且页面没有许可证。
数据：Hugging Face 端点匿名可访问 roboghost_all.pkl，大小 301,140,662 字节、SHA-256 为 9a141114…；数据页没有 data card、字段说明、来源清单或许可证。
许可证：conflict: README claims BSD-3-Clause; root LICENSE is missing; nested upstream MIT file is not project license；README 徽章和正文链接 ./LICENSE 并声称 BSD-3-Clause，但不可变提交根目录没有 LICENSE，链接返回 404。唯一 whole_body_tracking/LICENCE 是署名 The Isaac Lab Project Developers 的 MIT 文本，只能说明上游框架部分，不能替 RoboGhost 作者授予根代码、部署脚本、motion latents 或数据许可。
依赖：Python 3.10, Isaac Sim 4.5.0 and Isaac Lab 2.1.0、manual replacement of Isaac Lab rl_cfg.py、MuJoCo, unitree_rl_gym and unitree_sdk2_python、training data and general motion latent downloaded from Hugging Face
硬件/传感器：NVIDIA GPU for Isaac Lab training and ONNX export; minimum GPU/VRAM and training time are not disclosed、Unitree G1, network interface and compatible SDK for physical deployment、language-to-motion-latent generation dependency and online compute latency are not fully packaged
实机证据：The current paper/project report semantically aligned locomotion on real humanoids and a latency reduction from the prior multi-stage pathway.；The repository includes a 17,395-byte RoboGhost_real.py and G1 C++/configuration paths, but script presence is not an independent real-robot reproduction.
独立复现：未发现固定提交、相同语言/动作数据、G1 硬件和可比成功率、跟踪误差、端到端时延下的独立复现；本批未运行代码或 344 MB 公开资源。
限制/反面证据：README 声称 BSD-3-Clause，但根 LICENSE 不存在；上游 Isaac Lab MIT 文件不能补足项目许可。；Hugging Face 数据和 motion latent 没有许可证或数据卡。；没有发布最终 teacher/student policy checkpoint，用户仍需自行训练。；训练算力、语言到 motion latent 的完整生成边界和端到端部署成本未披露。；没有达到门槛的独立真机复现。
当前建议：高潜待补许可证与策略权重；语言直接进入 motion latent 再控制人形是跨 VLA、生成模型与全身控制的高增量路线，但许可证和最终策略权重缺口阻断可复现晋级；补齐根许可、HF 数据卡和 policy checkpoint 后优先复评。
重点标签：recency:2025-2026-release、关联:颠覆性分支、关联:近期热门、关联:可能成为新主流、language-control:retargeting-free、artifact:files-present-license-conflict、hardware:Unitree-G1、reproduction:independent-missing
核验来源：来源 1 · 来源 2 · 来源 3 · 来源 4 · 来源 5 · 来源 6

暂缓或驳回结论不会升级代码、权重或数据开放状态；Stars、转发和演示视频不等于独立复现。

原始来源

最近核验：2026-07-21。链接存在不等于官方仓库、可运行、已开放权重/数据或许可证允许使用。