GMR支持的17种机器人与数据格式全解析：从人体动作到多样化人形机器人的实时迁移方案

【免费下载链接】GMR [arXiv 2025] GMR: General Motion Retargeting. Retarget human motions into diverse humanoid robots in real time on CPU. Retargeter for TWIST. 项目地址: https://gitcode.com/gh_mirrors/gmr1/GMR

GMR（General Motion Retargeting）是一项突破性的开源技术，能够将人类动作实时迁移到多样化的人形机器人上，且完全在CPU上运行。这项arXiv 2025年的研究成果为机器人开发领域带来了前所未有的灵活性和效率，让开发者能够轻松实现从人类动作捕捉到机器人执行的无缝转换。

GMR技术概述：如何实现跨机器人平台的动作迁移

GMR的核心价值在于其通用性和实时性。通过独特的五步法流程，GMR能够将人类动作数据转换为各种机器人的运动指令，而无需针对每个机器人单独开发复杂的适配算法。

GMR动作迁移流程：从人体动作到机器人关节位置的转换过程

GMR的工作流程包括：

1. 人体-机器人关键部位匹配
2. 笛卡尔空间对齐
3. 人体数据非均匀局部缩放
4. 带旋转约束的机器人逆运动学求解
5. 带旋转和平移约束的机器人逆运动学求解

这一流程确保了不同结构的机器人都能自然、准确地复现人类动作，为机器人开发提供了强大的工具支持。

全面解析：GMR支持的17种机器人模型

GMR支持市场上主流的人形机器人模型，覆盖了从科研到工业应用的广泛场景。以下是部分主要支持的机器人：

工业级人形机器人

Unitree H1/H1-2 作为Unitree推出的先进人形机器人，H1系列以其高机动性和稳定性著称。GMR为其提供了完整的动作迁移支持，包括29自由度版本和带手部控制的版本。相关配置文件：smplx_to_h1.json、smplx_to_h1_2.json。

在仿真环境中运行的Unitree H1机器人，通过GMR实现复杂动作迁移

Unitree G1 G1是Unitree的另一款高性能机器人，GMR为其提供了多种数据格式的迁移支持，包括BVH动作捕捉数据和SMPL-X人体模型数据。配置文件：bvh_lafan1_to_g1.json、smplx_to_g1.json。

科研与教育机器人

PND Adam Lite 这款机器人专为研究和教育设计，结构轻巧且具有良好的运动性能。GMR为其提供了SMPL-X模型到机器人的动作迁移支持，配置文件：smplx_to_adam.json。

PND Adam Lite机器人在网格环境中展示其灵活的运动能力

Berkeley Humanoid Lite 来自加州大学伯克利分校的这款机器人是学术研究的常用平台，GMR通过smplx_to_bhl.json配置文件实现动作迁移。

特种与专业机器人

EngineAI PM01 这款专业机器人适用于多种工业场景，GMR为其提供了BVH和SMPL-X两种数据格式的迁移支持，配置文件：bvh_lafan1_to_pm01.json、smplx_to_pm01.json。

Fourier GR3v2.1.1 作为一款先进的人形机器人，GR3v2.1.1具有高度的灵活性，GMR通过smplx_to_gr3.json配置文件为其提供支持。

其他支持的机器人模型

GMR还支持以下机器人模型，每个模型都有对应的配置文件：

• Agibot A2
• Booster K1
• Booster T1/T1 29DOF
• Galaxea R1 Pro
• Hightorque HI
• Kuavo S45
• OpenLoong AzureLoong
• Pal Talos
• Stanford Toddy
• Tienkung

多源数据输入：GMR支持的动作数据格式

GMR的强大之处在于其能够处理多种来源的动作数据，实现了真正的多模态输入支持。主要支持的数据格式包括：

动作捕捉数据格式

BVH (Biovision Hierarchy) BVH是动作捕捉领域的标准格式，GMR支持多种BVH数据的迁移，包括：

• 常规BVH文件：bvh_lafan1_to_*.json系列配置
• OptiTrack动作捕捉数据：bvh_optitrack_to_g1.json
• Xsens动作捕捉数据：bvh_xsens_to_g1.json

人体模型数据格式

SMPL-X SMPL-X是一种先进的人体三维模型表示方法，GMR对其有全面支持，相关配置文件：smplx_to_*.json系列文件，覆盖所有支持的机器人模型。

其他数据格式

GMR还支持FBX格式和XRobot格式的数据输入，相关配置文件：

• FBX格式：fbx_to_g1.json、fbx_offline_to_g1.json
• XRobot格式：xrobot_to_g1.json

开始使用GMR：快速入门指南

要开始使用GMR进行动作迁移，只需几个简单步骤：

1. 克隆GMR仓库：

git clone https://gitcode.com/gh_mirrors/gmr1/GMR

2. 安装依赖：

cd GMR
pip install -r requirements.txt

3. 使用提供的脚本进行动作迁移，例如将SMPL-X模型数据迁移到指定机器人：

python scripts/smplx_to_robot.py --config general_motion_retargeting/ik_configs/smplx_to_g1.json --input path/to/smplx/data --output path/to/robot/motion

4. 可视化迁移结果：

python scripts/vis_robot_motion.py --motion path/to/robot/motion --robot g1

GMR的设计注重易用性和灵活性，即使是新手用户也能快速上手，实现高质量的动作迁移。

GMR的未来发展与应用前景

GMR技术正在不断发展，未来将支持更多的机器人模型和数据格式。其应用前景广泛，包括：

• 机器人开发：加速机器人动作规划与控制算法的开发
• 娱乐行业：实现虚拟角色与实体机器人的动作同步
• 远程操作：通过动作捕捉实现对远程机器人的直观控制
• 教育领域：简化机器人编程教学，降低入门门槛

随着GMR生态系统的不断完善，我们有理由相信，这项技术将在机器人领域发挥越来越重要的作用，为人形机器人的普及和应用做出贡献。

GMR：General Motion Retargeting，让机器人动作迁移变得简单高效

无论您是机器人研究人员、开发者，还是对人形机器人感兴趣的爱好者，GMR都能为您提供强大的工具支持，帮助您轻松实现从人类动作到机器人运动的无缝转换。立即开始探索GMR的世界，释放人形机器人的全部潜力！

【免费下载链接】GMR [arXiv 2025] GMR: General Motion Retargeting. Retarget human motions into diverse humanoid robots in real time on CPU. Retargeter for TWIST. 项目地址: https://gitcode.com/gh_mirrors/gmr1/GMR