انویدیا مدل هوش مصنوعی Metatron-v1 را برای کنترل حرکات ربات انسان‌نمای Unitree G1 منتشر کرد

معرفی مدل

مدل Metatron-v1 یک سیاست کنترلی برای ربات‌های انسان‌نما است که شرکت انویدیا آن را در قالب مخزن nvidia/Metatron-v1 در پلتفرم Hugging Face در اواخر روز ۲۷ اکتبر ۲۰۲۶ منتشر کرد. این پروژه یک مدل زبانی نیستبلکه یک کنترل‌کننده یادگیری‌شده برای ربات انسان‌نمای Unitree G1 به شمار می‌رود که وظایف راه رفتن، تعامل با محیط اطراف و برخاستن پس از زمین خوردن را تنها در قالب یک مدل و سیاست حرکتی یکپارچه انجام می‌دهد.

این انتشار بسیار بی‌سروصدا انجام شد و تنها شامل دو فایل با فرمت ONNX (هر کدام با حجم تقریبی ۴۰۳ مگابایت)، مجوز استفاده و یک شناسنامه مدل است، بدون آنکه انویدیا بیانیه خبری یا مقاله پژوهشی رسمی برای آن منتشر کرده باشد. علاوه بر این، یک مخزن مکمل به نام nvidia/metatron-browser با عنوان خروجی‌های مرورگری Metatron v1 G1 ارائه شده است که امکان اجرای این سیاست کنترلی را در صفحه وب به کمک ONNX Runtime Web و نسخه تحت وب موتور فیزیک MuJoCo (کامپایل‌شده با WebAssembly) فراهم می‌کند. این ابزار در شبکه اجتماعی اکس نیز توسط جامعه پژوهشی با عنوان سیاست راه رفتن و بازیابی تعادل ربات انسان‌نمای G1 معرفی شد.

توضیحات و نکات کلیدی

1. یک سیاست کنترلی کاملاً یکپارچه: بر اساس شناسنامه مدل، نسخه فعلی خروجیِ ایپاک ۶۴۱۰ از یک مدل دانش‌آموز یکپارچه با قابلیت SAMP است که مهارت‌های راه رفتن، تعامل با صحنه و بازیابی تعادل پس از افتادن را بدون نیاز به هیچ ماژول یا آداپتور جداگانه‌ای با یکدیگر ترکیب می‌کند.
2. ورودی‌ها: وضعیت لحظه‌ای ربات G1 به‌همراه تاریخچه‌ای کوتاه از هشت وضعیت قبلی، تاریخچه اقدامات خام حرکتی، اهداف ماسک‌شده برای وضعیت آتی، سبک حرکت و سرعت، به‌همراه اطلاعات کادربندی محیط (با ساختاری مشابه تکنیک MaskedMimic برای پیش‌بینی و تکمیل اهداف حرکتی).
3. خروجی‌ها: اهداف کنترل تناسبی، مشتقی برای مفاصل (action)، ضرایب سفتی (stiffness) و میرایی (damping)، و مقادیر raw_action برای بازخورد تاریخچه حرکتی؛ به این معنا که خروجی مدل دستورات مستقیم حرکتی در سطح موتورها با نرخ کنترلی بالاست و هیچ خروجی متنی در آن وجود ندارد.
4. دو ساختار خروجی با وزن‌های یکسان: این پکیج شامل یک گراف نمایشی تک‌رباته با پردازش داخلی داده‌های مشاهداتی، و یک گراف دسته‌ای شش‌رباته به نام Racer است که داده‌های مشاهداتی را از بیرون دریافت می‌کند؛ این دو ساختار قابل جایگزینی مستقیم با یکدیگر نیستند.
5. مجوز استفاده: تحت مجوز مدل‌های متن‌باز انویدیا (NVIDIA Open Model License) منتشر شده است.

محدودیت‌ها و نکات قابل توجه

• این بسته صرفاً حاوی فایل‌های خروجی و آماده اجراست و کیت آموزش مدل محسوب نمی‌شود؛ همچنین هنوز هیچ بنچمارک اعتبارسنجی‌شده‌ای روی سخت‌افزار واقعی برای آن منتشر نشده و تمام نمایش‌ها در محیط شبیه‌سازی انجام شده است.
• نام این مدل شباهت زیادی به خانواده مدل‌های زبانی Nemotron انویدیا دارد، اما هیچ ارتباطی با آن ندارد و یک مدل کنترلی رباتیک است.

دلیل توجه به این مدل

حضور نامی تازه و متمایز از سوی انویدیا در پلتفرم Hugging Face توجه فعالان جامعه متن‌باز و پژوهشگران حوزه رباتیک را به‌سرعت در شبکه‌های اجتماعی به خود جلب کرد.

نحوه استفاده و راه‌اندازی

1. صفحه مدل nvidia/Metatron-v1 را باز کنید و شناسنامه مدل را برای اطلاع از نام‌ها و ابعاد دقیق تانسورها بررسی نمایید.
2. برای سریع‌ترین بررسی و مشاهده عملکرد، از خروجی‌های مخزن nvidia/metatron-browser استفاده کنید که سیاست حرکتی ربات G1 را به کمک ONNX Runtime Web و نسخه WebAssembly موتور فیزیک MuJoCo مستقیماً در مرورگر اجرا می‌کند.
3. در محیط شبیه‌ساز اختصاصی خود، مدل تک‌رباته ONNX را با ابزار ONNX Runtime بارگذاری کنید، تانسورهای وضعیت، تاریخچه و اهداف حرکتی ربات G1 را به‌عنوان ورودی بدهید و در نهایت اهداف و ضرایب کنترلی دریافتی را با فرکانس مناسب روی مفاصل اعمال کنید.
4. از نسخه شش‌رباته Racer فقط در صورتی استفاده کنید که محاسبات مشاهدات حرکتی را خارج از گراف مدل انجام داده و قصد پردازش هم‌زمان و دسته‌ای چند ربات را داشته باشید.

جامعه هدف و کاربردها

• پژوهشگران و علاقه‌مندان به حوزه رباتیک که در محیط‌های شبیه‌سازی روی ربات انسان‌نمای Unitree G1 کار می‌کنند.
• تیم‌هایی که در زمینه سیاست‌های حرکتی یکپارچه برای راه رفتن، بازگشت تعادل و سیستم‌های کنترلی مبتنی بر هدف تحقیق می‌کنند.

توصیه نهایی

• پیش از هرگونه استفاده و آزمایش روی سخت‌افزار واقعی، مدل را به‌دقت اعتبارسنجی کنید؛ چراکه انویدیا هنوز نتایج رسمی آزمایش روی ربات واقعی را برای این نسخه ارائه نکرده است.