一份 403MB 的 ONNX、一个冻结的策略：英伟达把 G1 的全身控制做成了「写目标、不用重训」的接口
一个冻结的策略，加上一段描述「手和脚要去哪」的代码，就能让 29 个关节的 G1 走路、起身、踢球。英伟达这次开源的重点不是模型，是那个把「训一个新技能」变成「写一段目标」的接口——以及它自己写进文档的那句「5.55e-6 不代表任务成功」。
- 是什么：英伟达在 Hugging Face 发布 Metatron v1，一个冻结的单策略，控制 29 个关节的宇树 G1 完成行走、场景交互、跌倒后起身；权重不变，新技能靠改「目标」而不是重训。
- 接口怎么用：输入不是每一帧的完整姿态，是手、脚、躯干的粗目标（位置、朝向、速度、到达时间），策略负责补全全身动作；写目标的代码可以由编码智能体生成、在仿真里测、由人决定要不要上真机。
- 两份工件：demo 与 racer 两套 ONNX 导出，FP32，各约 403MB（其中一份 459,455,983 字节）；racer 版只是为六机批处理重排了计算图，权重相同；浏览器侧走 ONNX Runtime Web（推荐 WebGPU，WASM 兜底）配 MuJoCo WASM 仿真。
- 三个数字要分开读：54 项全身到达任务 83%（对照组 39%、28%、0%）、1 m/s 行走受 800N/1000N 冲量后恢复 75%（600N 时反而只有 62%）、60 个扰动状态导出误差 5.55e-6——最后这个只证明「导出没算错」，不证明「活干得好」。
- 官方自己划的线：仓库不含训练数据、动作片段、机器人网格；恢复/平衡/跟踪在评估分布外可能失败；不是避碰控制器、不是安全控制器；真机部署需独立验证、力矩限制、监督测试与急停。
- 判断：这份东西的真正价值，是把「具身智能的能力上限」从「模型多大」换成了「预训练动作库有多宽」——写目标很容易，写到动作库里没有的动作，就是天花板。
先说结论：这不是一个「更强的机器人大模型」，这是一个接口设计。它做的事，是把「让机器人学会一个新动作」从「收集数据、重新训练、调参、部署」这一长串，压缩成「写一段描述目标的代码」。
传统的人形全身控制策略，输入是一段参考动作轨迹——每一帧每个关节该在什么角度，模型跟着模仿。这种方式的问题是：你想让机器人做一件新事，就得先有一段「这件事」的动作数据。
Metatron 换了输入。它接收的是手、脚、躯干的粗目标：位置、朝向、速度、到达时间。你告诉它「右手在 0.8 秒后到桌子左上角、掌心朝下」，它负责把全身 29 个关节的轨迹补出来——包括重心怎么移、另一只手怎么配合、身体要不要前倾。
这个设计带来一个很实际的结果：新增能力不需要动权重。策略是冻结的，新技能来自那段写目标的代码。官方给出的工作流是：编码智能体写目标代码 → 在仿真里跑、看结果、改 → 人决定要不要上真机。
判断：这个分工很像「动画师 + 程序员」的组合，而不像「强化学习工程师」。它把门槛从「会训模型」降到了「会描述任务」，但也把天花板钉死在了一个地方——预训练时见过的动作分布。你写不出模型没学过的身体协调方式。
关于这个模型，目前流通着三组数字。它们在传播里经常被混在一起，但衡量的东西完全不同。
| 数字 | 测的是什么 | 能不能当能力证据 |
|---|---|---|
| 5.55e-6 | 60 个历史扰动状态下，ONNX 导出与原生权重的最大绝对动作误差 | 不能。这是「文件没导错」的检查，官方明确写了不是任务成功或真机性能的度量 |
| 83% | 54 项 MuJoCo 全身到达任务成功率，对照组 39%、28%、0% | 可以，但仅限仿真、仅限「到达」类任务 |
| 75% | 1 m/s 行走时受到 800N/1000N、100 毫秒冲量后的恢复成功率；600N 时 62% | 可以，同样是仿真；且三个力值非单调，不能当「抗扰能力随力递增」读 |
把 5.55e-6 单独拎出来说，是因为它最容易被误读成「精度高到不可思议」。它其实只说明一件事：同一个权重导出成 ONNX 之后，在相同的输入下算出来的动作和原生版本几乎一致。这是工程交付层面必须做的检查，但它和「机器人能不能站稳」没有关系。
83% 那个数字更有意思。它比对照组高出 44 到 83 个百分点，看起来是碾压。但要看清任务定义：54 项「全身到达」任务，即把手或脚送到指定位置。这是一个动作原语级的测试，不是装配、不是搬运、不是长流程作业。判断：83% 说明这个策略在「补全全身姿态」这件事上确实比轨迹跟踪类方法强很多，但它不能外推成「能干 83% 的活」。
官方在真机上展示了四件事：手柄操控行走、用 PICO 头显遥操作抓取、坐到沙发上再站起来、以及从各种跌倒姿态自主恢复。这些演示是真的，但没有附任何量化数据——没有成功率、没有次数、没有测试时长。
更值得记的是评测方补的一句：坐沙发这个任务，事先需要人工把机器人摆到沙发旁边，并输入目标提示。这句话把「自主」的边界划得很清楚：环境是预置的，起点是人摆的，任务是代码给的。
判断：这不是黑点，这是行业当下的真实水位。真机量化测试的成本极高——要重复几百次、要控制变量、要有人守着急停，而且失败一次可能就摔坏一台机器。所以绝大多数团队选择只放成功片段。英伟达至少把免责写进了模型卡：恢复、平衡、跟踪在评估分布之外可能失败；这不是避碰控制器，也不是安全控制器；硬件部署需要独立验证、关节与力矩限制、有人监督的测试、以及急停机制。
这份工件不是「下载就能用」的即插即用包。官方说明里列了五条容易踩坑的地方，值得抄下来当检查单：
ONNX 文件不能和原生 checkpoint 的接口混用，必须匹配相同的观测/控制接口、张量布局、排序约定与运行时清单。改一个通道顺序，输出的动作就全错。
不含训练数据、动作片段、机器人网格、应用资产。这些仍单独授权分发。也就是说，你拿到的是「会动的策略」，不是「能复现训练的完整环境」。
ONNX Runtime Web + MuJoCo WASM 让它在浏览器里就能跑，推荐 WebGPU。这是展示与教学用途，不是控制真实机器人的通道。
racer/network.onnx 只是为六机批处理重排了计算图，权重与 demo 版相同。要做多机并行评测才需要它。
第五条在文档里，但最容易被跳过：这不是安全控制器。任何上真机的动作，都必须自己加力矩上限、碰撞检测和硬件急停。模型卡把这句话写得毫不含糊，原因也很清楚——一个在仿真里能连续跨四个栏架、摔倒后爬起来接着跑的策略，在真实地面上一旦判断失误，摔的是几十公斤的金属。
把这次的发布放到英伟达过去一年的路径上看，位置很清楚：先有仿真平台与训练框架，再有基础模型，现在补上「可运行的策略工件」。这条链每补一环，「自研全身控制」这件事的性价比就下降一档——对高校实验室和小团队尤其明显，过去要几个月才能搭起来的 G1 行走控制，现在可以先用一份 403MB 的文件跑通，再把精力放到自己的任务上。