何が起きたか
NVIDIAは、Unitree G1ヒューマノイド上でSONICコントローラを実証した。SONICは単一の学習済みポリシーで広範なヒューマノイド動作を追跡し、123シーケンスで99.2%の成功率を報告している。また、サンフランシスコのヒューマノイド企業goiに所属する開発者が、NVIDIAのSONICを使用してUnitree G1の全身テレオペレーションを無線セットアップまで実装した事例を公開した。
Key Facts
| NVIDIAのSONICは、単一の学習済みポリシーで広範なヒューマノイド動作を追跡し、Unitree G1でのテストで123シーケンス中99.2%の成功率を報告している。 | [1] |
| SONICは、ネットワークサイズ（1.2Mから42Mパラメータ）、データセット量（1億フレーム以上、700時間の高品質モーションデータ）、計算量（9k GPU時間）の3軸でスケーリングすることで、モーション追跡の基盤モデルを構築した。 | [0] |
| SONICは、VRテレオペレーションデバイス、人間のビデオ、視覚言語行動（VLA）モデルなど、さまざまなモーション入力インターフェースをサポートする統一トークン空間を提供する。 | [0] |
| サンフランシスコのヒューマノイド企業goiで、開発者がNVIDIAのSONICを使用してUnitree G1の全身テレオペレーションを実行し、無線セットアップまで実装した。 | [2] |
| G1でSONICを実行するには、モーション推論エンジン（TensorRT/C++）とテレオペレーションストリーマー（pico_manager）の2つのプロセスが必要である。 | [2] |
| G1側でTensorRT 10.7を使用するには、出荷時のJetPack 5をJetPack 6に再フラッシュする必要がある。 | [2] |
なぜ重要か
ヒューマノイド制御において、モデル容量・データ・計算量のスケーリングが有効であることを示す事例であり、汎用ヒューマノイドコントローラの実現可能性を示唆している。また、VRテレオペレーションなど複数の入力インターフェースを統一ポリシーで扱える点は、実用上の利点となる。