【免费下载链接】motionbricksOfficial implementation of MotionBricks: Scalable Real-Time Motions with Modular Latent Generative Model and Smart Primitives (SIGGRAPH 2026)项目地址https://gitcode.com/gh_mirrors/mo/motionbricks点击查看免费下载MotionBricks 是一款实时动作生成模型Modular Latent Generative Model只需 4 个最近姿势context和最多 4 个目标姿势target就能在 30 Hz 下实时补全两者之间的过渡动作驱动人形角色与 Unitree G1 机器人行走、奔跑、跳跃、下蹲。它的核心设计是把一次生成拆给Root、Pose、Decoder 三大模块Root 模块负责走多久、走哪条路Pose 模块负责每一步什么姿态Decoder 模块负责把离散的动作 token 还原成连续骨骼动画。下面结合仓库源码看看这套流水线如何分工协作。三大模块总览一张表看懂分工三个模块在 checkpoint 中各自训练导出 ONNX 时合并成一张部署图SOMA 版约 2 亿参数模块网络结构SOMA 参数量职责Root 模块Root modelTransformer 预测器40.4 M预测动作时长6~16 个 token与 root 的运动路径Pose 模块Pose modelMasked token Transformer16 层 × 宽度 1024136.5 M沿 Root 规划的路径预测动作 tokenDecoderPose VQ-VAE向量量化自编码器codebook 共 5 个头 × 16 码字23.4 M把 token 解码为逐帧连续动作 脚部接触信号 拆分的好处root 轨迹和身体姿态解耦后各模块可独立训练、独立替换也便于把同一套模型移植到不同骨骼SOMA 人形 / G1 机器人。模型细节见 SOMA model card 与 Unitree G1 model card。Root 模块先定时长与路径Root 模块接收两类 root 特征作为条件global_root_values[N,8,5]root 位置XYZ 朝向cos/sinlocal_root_values[N,8,4]朝向变化速率rad/s、地面 XZ 方向速度m/s、root 高度。它同时根据allowed_pred_num_tokens输入在 6~16 个 token 之间自选时长——每次生成约 0.6~1.9 秒动作。这意味着开发者无需手动指定过渡帧数模型会判断这个转身需要多快。Pose 模块masked Transformer 预测动作 tokenPose 模块是 16 层宽度 1024 的masked token transformer。它读取 8 个条件槽位4 个 context 姿势 4 个 target 姿势每个姿势编码为 267 维特征29 个非 root 关节相对 root 的位置87 维30 个关节的 6D 旋转表示180 维在 Root 模块确定的时长与路径约束下它预测一串离散的动作 token每个 token 代表 4 帧。这正是latent generative model中 latent 的体现中间结果是离散码字而非直接输出逐帧姿态。Decoder 模块VQ-VAE 把 token 变回连续动画Decoder 是一个VQ-VAE输出每帧 366 维的pred_global_motionsroot 位置与朝向5、关节位置87、6D 旋转180、关节速度90、四足脚部接触4。运行时再用 GPU kernel 做两件事见 soma/kernels.py裁掉边界帧首尾各去掉 3 帧得到 18~58 帧有效动作contract.py 中valid_frame_count负责换算端点校正apply_endpoint_deltas_kernel让动作起点精确对齐最后一个 context 姿势、终点精确对齐第一个 target 姿势且校正量沿动作时长线性淡入淡出保证链式生成时不跳帧。一次生成的完整流水线三大模块在引擎中被串成四个阶段每阶段都有 CUDA 事件计时generation.py 的GenerationTimer阶段对应抽象方法engine.py做了什么encode_encode_guide_poses对齐朝向最后 context 姿势转面朝 X编码 Root/Pose 输入张量inferenceenqueue_asyncTensorRT 计划一次性跑完 Root Pose Decoderdecode_decode_generated_poses还原 root 与关节姿态、写脚部接触post_process_post_process_generated_poses端点校正首尾精确对齐同一套架构两种骨骼SOMA 与 G1 引擎共用 MotionBricksEngine只有姿势布局不同SOMA每个姿势 每关节一个局部变换root 是HipsG1每个姿势 36 维关节坐标root 位置 3 四元数 4 29 关节角root 是 pelvis脚部接触单独走pred_foot_contacts输出。一条代码路径同时驱动人形骨骼和机器人是模块化设计的直接红利。性能与扩展为什么能实时单请求推理在 RTX 4090 上仅1.28 msSOMA FP16约合 778 次/秒长动作靠链式生成播放记录最后 4 帧作为下一次 context目标由应用决定——同一模型因此可做关键帧动画、持续移动或物体交互张量接口与批处理细节见 ONNX 推理指南集成入口见 Runtime API。小结MotionBricks 的精髓在于把一次动作生成拆成三块Root 模块管时长与路径Pose 模块管 token 序列Decoder 模块管连续还原。三者解耦、各自专精再靠端点校正与链式生成粘合成流畅的实时动画。想动手体验从 引导教程 的 Inbetweener 开始五分钟就能跑通第一次生成。赞分享【免费下载链接】motionbricksOfficial implementation of MotionBricks: Scalable Real-Time Motions with Modular Latent Generative Model and Smart Primitives (SIGGRAPH 2026)项目地址https://gitcode.com/gh_mirrors/mo/motionbricks点击查看免费下载相关推荐Gemma-4-26B-A4B-it_gpuep_1.0_gpu_128 架构深度拆解decoder、embedding、vision_encoder 三大子模型如何协同工作Gemma 4 26B A4B it_gpuep_1.0_gpu_128 架构深度拆解decoder、embedding、vision_encoder 三大子人工智能大模型模型量化本地部署多模态拆解ml-ssd核心架构eval.py、benchmark.py与livecodebench_utils.py三大模块如何协作拆解ml ssd核心架构eval.py、benchmark.py与livecodebench_utils.py三大模块如何协作 ml ssd 是 Apple无需模拟器在Windows安装安卓APKAPK Installer完整指南无需模拟器在Windows安装安卓APKAPK Installer完整指南 APK Installer 是一款开源的 Windows 工具可直接解析并安装安桌面应用移动开发开发工具上一篇读懂 Phi-3.5-mini-instruct_rai_1.8.0_npu_16K 的 23 个 dd_metastate 文件NPU Token Fusion 实现原理完整指南下一篇从AABrowser看Android Auto第三方应用开发distractionOptimized声明、权限设计与Obtainium分发全流程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
【免费下载链接】motionbricksOfficial implementation of MotionBricks: Scalable Real-Time Motions with Modular Latent Generative Model and Smart Primitives (SIGGRAPH 2026)项目地址https://gitcode.com/gh_mirrors/mo/motionbricks点击查看免费下载MotionBricks 是一款实时动作生成模型Modular Latent Generative Model只需 4 个最近姿势context和最多 4 个目标姿势target就能在 30 Hz 下实时补全两者之间的过渡动作驱动人形角色与 Unitree G1 机器人行走、奔跑、跳跃、下蹲。它的核心设计是把一次生成拆给Root、Pose、Decoder 三大模块Root 模块负责走多久、走哪条路Pose 模块负责每一步什么姿态Decoder 模块负责把离散的动作 token 还原成连续骨骼动画。下面结合仓库源码看看这套流水线如何分工协作。三大模块总览一张表看懂分工三个模块在 checkpoint 中各自训练导出 ONNX 时合并成一张部署图SOMA 版约 2 亿参数模块网络结构SOMA 参数量职责Root 模块Root modelTransformer 预测器40.4 M预测动作时长6~16 个 token与 root 的运动路径Pose 模块Pose modelMasked token Transformer16 层 × 宽度 1024136.5 M沿 Root 规划的路径预测动作 tokenDecoderPose VQ-VAE向量量化自编码器codebook 共 5 个头 × 16 码字23.4 M把 token 解码为逐帧连续动作 脚部接触信号 拆分的好处root 轨迹和身体姿态解耦后各模块可独立训练、独立替换也便于把同一套模型移植到不同骨骼SOMA 人形 / G1 机器人。模型细节见 SOMA model card 与 Unitree G1 model card。Root 模块先定时长与路径Root 模块接收两类 root 特征作为条件global_root_values[N,8,5]root 位置XYZ 朝向cos/sinlocal_root_values[N,8,4]朝向变化速率rad/s、地面 XZ 方向速度m/s、root 高度。它同时根据allowed_pred_num_tokens输入在 6~16 个 token 之间自选时长——每次生成约 0.6~1.9 秒动作。这意味着开发者无需手动指定过渡帧数模型会判断这个转身需要多快。Pose 模块masked Transformer 预测动作 tokenPose 模块是 16 层宽度 1024 的masked token transformer。它读取 8 个条件槽位4 个 context 姿势 4 个 target 姿势每个姿势编码为 267 维特征29 个非 root 关节相对 root 的位置87 维30 个关节的 6D 旋转表示180 维在 Root 模块确定的时长与路径约束下它预测一串离散的动作 token每个 token 代表 4 帧。这正是latent generative model中 latent 的体现中间结果是离散码字而非直接输出逐帧姿态。Decoder 模块VQ-VAE 把 token 变回连续动画Decoder 是一个VQ-VAE输出每帧 366 维的pred_global_motionsroot 位置与朝向5、关节位置87、6D 旋转180、关节速度90、四足脚部接触4。运行时再用 GPU kernel 做两件事见 soma/kernels.py裁掉边界帧首尾各去掉 3 帧得到 18~58 帧有效动作contract.py 中valid_frame_count负责换算端点校正apply_endpoint_deltas_kernel让动作起点精确对齐最后一个 context 姿势、终点精确对齐第一个 target 姿势且校正量沿动作时长线性淡入淡出保证链式生成时不跳帧。一次生成的完整流水线三大模块在引擎中被串成四个阶段每阶段都有 CUDA 事件计时generation.py 的GenerationTimer阶段对应抽象方法engine.py做了什么encode_encode_guide_poses对齐朝向最后 context 姿势转面朝 X编码 Root/Pose 输入张量inferenceenqueue_asyncTensorRT 计划一次性跑完 Root Pose Decoderdecode_decode_generated_poses还原 root 与关节姿态、写脚部接触post_process_post_process_generated_poses端点校正首尾精确对齐同一套架构两种骨骼SOMA 与 G1 引擎共用 MotionBricksEngine只有姿势布局不同SOMA每个姿势 每关节一个局部变换root 是HipsG1每个姿势 36 维关节坐标root 位置 3 四元数 4 29 关节角root 是 pelvis脚部接触单独走pred_foot_contacts输出。一条代码路径同时驱动人形骨骼和机器人是模块化设计的直接红利。性能与扩展为什么能实时单请求推理在 RTX 4090 上仅1.28 msSOMA FP16约合 778 次/秒长动作靠链式生成播放记录最后 4 帧作为下一次 context目标由应用决定——同一模型因此可做关键帧动画、持续移动或物体交互张量接口与批处理细节见 ONNX 推理指南集成入口见 Runtime API。小结MotionBricks 的精髓在于把一次动作生成拆成三块Root 模块管时长与路径Pose 模块管 token 序列Decoder 模块管连续还原。三者解耦、各自专精再靠端点校正与链式生成粘合成流畅的实时动画。想动手体验从 引导教程 的 Inbetweener 开始五分钟就能跑通第一次生成。赞分享【免费下载链接】motionbricksOfficial implementation of MotionBricks: Scalable Real-Time Motions with Modular Latent Generative Model and Smart Primitives (SIGGRAPH 2026)项目地址https://gitcode.com/gh_mirrors/mo/motionbricks点击查看免费下载相关推荐Gemma-4-26B-A4B-it_gpuep_1.0_gpu_128 架构深度拆解decoder、embedding、vision_encoder 三大子模型如何协同工作Gemma 4 26B A4B it_gpuep_1.0_gpu_128 架构深度拆解decoder、embedding、vision_encoder 三大子人工智能大模型模型量化本地部署多模态拆解ml-ssd核心架构eval.py、benchmark.py与livecodebench_utils.py三大模块如何协作拆解ml ssd核心架构eval.py、benchmark.py与livecodebench_utils.py三大模块如何协作 ml ssd 是 Apple无需模拟器在Windows安装安卓APKAPK Installer完整指南无需模拟器在Windows安装安卓APKAPK Installer完整指南 APK Installer 是一款开源的 Windows 工具可直接解析并安装安桌面应用移动开发开发工具上一篇读懂 Phi-3.5-mini-instruct_rai_1.8.0_npu_16K 的 23 个 dd_metastate 文件NPU Token Fusion 实现原理完整指南下一篇从AABrowser看Android Auto第三方应用开发distractionOptimized声明、权限设计与Obtainium分发全流程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
)
