本文提出SOMA框架，旨在解决现有参数化人体模型（如SMPL、SMPL-X、MHR等）之间的异构性问题。SOMA通过三个抽象层实现统一表示：1）网格拓扑抽象层实现顶点级映射；2）骨骼抽象层通过闭式运算适配骨骼系统；3）姿态抽象层支持异构运动数据的转换。该方法将适配器复杂度从O(M²)降至O(M)，支持端到端可微分处理，并兼容多种主流人体模型。实验表明，SOMA能有效整合不同模型的优势，为人体重建、

本文介绍了一个名为LeRobot的开源库，旨在解决机器人学习领域的碎片化问题。该库提供了端到端的技术栈，包括统一的机器人中间件API、标准化的数据集格式(LeRobotDataset)、优化的推理栈以及多种最先进机器人学习算法的实现。LeRobot支持多种低成本开源机器人平台(如SO-10X、ALOHA-2等)，通过共享中间件实现便捷的遥操作和数据收集。其数据集格式已广泛应用于社区，截至2025年

Kimodo是一款基于700小时光学动作捕捉数据训练的运动学动作扩散模型，支持生成高质量的人体和机器人3D动作。其核心功能包括： 多模态控制：通过文本提示和运动学约束（关键帧、路径、末端执行器等）精确控制动作生成 交互式演示：提供网页端时间轴编辑器，支持实时3D可视化、多角色生成和约束编辑 跨平台支持：包含命令行接口和Python API，支持SOMA/G1/SMPL-X三种骨骼格式输出 高级配置

Kimodo是一个基于700小时商用光学动作捕捉数据集训练的运动学动作扩散模型，能够生成高质量的人体和机器人3D动作。该模型支持通过文本提示和多种约束条件（如关键帧、末端执行器位置等）进行控制，并提供数字人类和类人机器人两种模型变体。安装方式包括软件包安装和源代码安装两种，需要配置HuggingFace令牌以访问文本编码器。推荐使用GPU加速，最低需要17GB显存。项目提供命令行生成和交互式演示两

NVIDIA推出开源物理仿真引擎Newton 1.0，通过GPU加速实现机器人仿真领域的突破。该引擎整合了MuJoCo、Kamino等多种求解器，支持刚体、可变形体和颗粒材料的高保真仿真，并与IsaacLab/IsaacSim深度集成。Newton采用模块化架构，提供稳定的API接口，支持OpenUSD等主流机器人描述格式，并创新性地实现了基于SDF的碰撞检测和流体弹性接触建模。工业应用案例显示，

SONIC 是一个类人行为基础模型，它为机器人提供了一套从大规模人类动作数据中学习而来的核心运动技能。与为每个动作单独构建控制器不同，SONIC 将动作追踪作为可扩展的训练任务，因此单一套统一策略即可产生自然的全身运动，并支持多种多样的行为。        🎯 主要特点：🚶 自然的全身运动（行走、爬行、动态动作）🎮 支持实时 VR 遥操作🤖 高级规划与交互的基础📦 即用型 C++ 推理栈