NVIDIA 重磅发布：人形运动与机器人学习全栈生态，AI 具身智能迎来「数据底座」革命

近日，NVIDIA 正式开源一整套面向人类 / 人形机器人运动生成与机器人学习的全栈技术生态，把「人体运动数据」从采集、生成、迁移、仿真到训练的全流程工具链彻底开放，为具身人工智能（Embodied AI）按下加速键。

数据是 AI 规模化的核心。过去，人体姿态模型不统一、运动数据稀缺、工具链割裂，严重阻碍机器人学会像人一样自然运动。这次 NVIDIA 一次性补齐短板：开源全套模型与工具、超大规模高质量数据集、统一人体骨架标准 SOMA，所有模块无缝协同，且全部采用Apache 2.0 开源协议，商用友好。

一、底层基石：SOMA—— 统一所有人体模型的「通用语言」

SOMA 是这套生态的核心接口，它把 SOMA-shape、SMPL、MHR 等各类参数化人体模型，统一成一套标准骨架表示。

过去不同人体模型之间迁移运动，需要写专用适配器、做定制化转换；有了 SOMA，全流程打通，一次生成、全域可用，彻底消除格式壁垒。

二、七大核心工具，覆盖运动全生命周期

1️⃣ Kimodo：文本→运动，高精度可控生成

支持人类 + 人形机器人双场景，输入文字就能生成高保真、可控制的自然运动，让机器人不用手动调动作，直接 “听懂指令做动作”。

2️⃣ GEM：从任意视频里 “扒” 出人体姿态

面向真实场景视频的全局人体姿态估计，原生兼容 SOMA 格式，能从海量日常视频里批量提取高质量人体运动数据，解决数据来源问题。

3️⃣ Bones-SEED：15 万 + 超大运动数据集

与 Bones Studio 合作打造，超 15 万条 SOMA 格式运动数据，已经完成面向宇树 G1 人形机器人的迁移适配，是目前业内规模最大、质量最高的开源运动数据集之一。

4️⃣ SOMA Retargeter：一键迁移动作到机器人

专用动作迁移工具，把 SOMA 标准骨架的运动，无缝迁移到宇树 G1 人形机器人，不用复杂调试，快速让机器人复现人类动作。

5️⃣ ProtoMotions：数字人 / 人形机器人强化学习仿真

高性能仿真框架，基于强化学习（RL）训练数字人与机器人，原生支持 SOMA，训练更快、更稳定、更贴近真实物理世界。

6️⃣ SONIC：顶尖人形行为基础模型（即将支持 SOMA）

当前最先进的人形机器人行为基础模型与控制器，很快将全面兼容 SOMA，让机器人拥有更智能、更流畅的自主行为能力。

三、这套生态到底意味着什么？

对研究者：不用再重复造轮子，直接用全栈工具快速做实验。

对企业：低成本快速开发人形机器人、数字人、虚拟角色。

对行业：统一标准 + 海量数据，推动具身 AI 从实验室走向规模化落地。

NVIDIA 表示，这只是开始，更多功能还在持续迭代。一个人人都能低成本训练 “会动、会做、像人一样灵活” 的机器人时代，正在到来。

官方项目链接

• SOMA：https://github.com/NVlabs/SOMA-X
• Kimodo：https://research.nvidia.com/labs/sil/projects/kimodo/
• GEM：https://github.com/NVlabs/GEM-X
• Bones-SEED 浏览器：https://seed-viewer.bones.studio/
• Bones-SEED 数据集：https://huggingface.co/datasets/bones-studio/seed
• SOMA Retargeter：https://github.com/NVIDIA/soma-retargeter/
• ProtoMotions：https://github.com/NVlabs/ProtoMotions
• SONIC：https://nvlabs.github.io/GEAR-SONIC/