Kimodo:可扩展的可控人体运动生成

Kimodo 是由 NVIDIA (nv-tlabs) 开发的一个开源项目，旨在通过**运动扩散模型（Motion Diffusion Model）**生成高质量、可控的 3D 人类和机器人动作。

项目地址：https://research.nvidia.com/labs/sil/projects/kimodo/

以下是该项目的核心总结：

1. 核心功能与定位

Kimodo 是一个运动生成引擎，能够根据多种输入生成逼真且符合物理逻辑的动作序列。它的特点是“高可控性”，不仅仅支持简单的文本描述，还支持精细的运动学约束。

2. 主要特性

• 多模态控制：
  • 文本提示： 通过自然语言描述动作（如“一个人在跑步”）。
  • 运动学约束： 支持全身姿态关键帧、末端执行器（手脚）位置/旋转、2D 路径和路标点（Waypoints）。
• 多角色支持：
  • SOMA： NVIDIA 的统一参数化人体模型。
  • Unitree G1： 宇树科技的 humanoid 机器人模型。
  • SMPL-X： 通用的标准人体模型。
• 海量数据训练： 模型基于约 700 小时的大规模光学动作捕捉数据集训练（包括 BONES-SEED 和 Bones Rigplay 1）。

3. 工具链与生态

项目提供了完整的工具箱，方便开发者从生成到应用：

• 交互式 Demo： 基于 Web 的界面，用户可以在时间轴上编辑文本和约束，实时预览 3D 运动。
• 命令行工具 (CLI)： 支持快速批量生成运动数据。
• 下游集成：
  • MuJoCo： 支持导出 G1 机器人的 qpos 格式进行物理仿真。
  • ProtoMotions： 可直接用于训练物理仿真下的数字人类或机器人策略。
  • GMR： 支持将生成的 SMPL-X 动作重定向到其他第三方机器人。

4. 技术规格

• 硬件要求： 本地推理建议使用具有 17GB 以上显存 的显卡（如 RTX 3090/4090 或 A100），主要压力来自文本嵌入模型。
• 软件框架： 基于 Python 开发，利用了 LLM2Vec 进行文本编码，Viser 构建可视化界面。
• 开源协议： 代码采用 Apache-2.0 协议，但模型权重（Hugging Face 下载）可能遵循 NVIDIA 特定的开放模型协议。

5. 总结

Kimodo 是 NVIDIA 在具身智能 (Embodied AI) 领域的重要布局。它解决了“如何为机器人或虚拟人快速生成符合特定约束的复杂动作”这一痛点，为物理仿真训练提供了高质量的动作源。

主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网