SONIC 的核心贡献在于实现运动表示与机器人控制的解耦，通过构建统一的64维离散运动令牌（Universal Token）空间，将不同来源（如SMPL、遥操作、VLA等）的运动意图对齐至共享潜空间，并以令牌条件化策略（token-conditioned policy）驱动通用全身控制器。其创新点在于：1）跨模态潜变量对齐；2）基于FSQ的语义动作抽象；3）统一接口支持多源输入。当前限制包括令牌空

第五阶段 SONIC Deploy 旨在实现从 64-D Universal Token 到 G1 真实关节运动的端到端部署。系统分为三层：输入层接收 VLA 输出的 token；SONIC 控制器将 token 与机器人状态融合，通过 TensorRT 推理生成 29-D 动作；执行层则将动作转化为电机位置指令，经 Unitree DDS 发送至 G1。关键在于，VLA 直接输出 token，可

第四阶段聚焦VLA如何生成SONIC可理解的64-D Universal Token。系统由PolicyServer（运行VLA模型）、run_vla_inference.py（数据协调与传输）和C++ SONIC Deploy（实时控制）构成。VLA输入包含视觉（主视角+手腕相机）、机器人状态（关节位姿、重力投影）及语言指令，输出为78-D动作空间：其中64-D为通用运动令牌（motion to

第四阶段揭示VLA与SONIC系统的交互机制：通过run_vla_inference.py实现跨进程通信，将视觉、机器人状态与语言输入送入VLA模型，输出64维motion token。该token经延迟补偿后，作为通用动作表示（Universal Token）通过ZMQ发送至C++ SONIC部署模块，由其解码为78维关节指令。关键结论：VLA与SONIC间交换的是压缩的运动隐变量（motion

本阶段将上一阶段生成的Universal Token接入完整强化学习闭环，构建基于PPO的策略框架。核心结构为：运动参考经编码与FSQ量化得64维token，结合机器人本体感知（proprioception），通过G1动态解码器生成动作均值，再由Gaussian分布输出随机动作。该设计实现“未来意图”与“当前状态”的协同控制，支持时序历史建模，最终输出29自由度关节位置指令，经Isaac Lab仿

推荐系统中，BiasSVD 通过引入偏置项，解决了 FunkSVD 无法区分 “系统性偏差” 和 “用户 - 物品交互” 的问题，是更常用的矩阵分解模型。在实际应用中，BiasSVD 通常比 FunkSVD 表现更好，尤其在评分数据稀疏时，偏置项的作用更为明显。

本文梳理了SONIC系统从VLA到执行的完整链路，明确其并非传统PD控制器，而是基于统一动作表示（Universal Token）的全身行为基础模型。当前代码中，78维动作空间包含64维运动令牌与双手关节角，表明该令牌既是内部表征，也是高层策略可操作的控制接口。通过分析训练配置与架构，揭示SONIC以“运动参考→观测”为核心，采用分层结构实现从动作意图到物理执行的端到端映射，为后续通用动作生成与部

本文以六阶段解析SONIC项目架构，聚焦端到端数据流：从VLA/运动源输入，经多模态观测构建（含SMPL、Teleop、G1状态），通过G1/Teleop/SMPL三编码器提取特征，经FSQ共享离散化生成通用token，最终由动态解码器输出关节动作。代码实现清晰分层，支持ONNX/TensorRT部署，训练采用Hydra配置体系与PPO+辅助损失。核心创新在于“通用token”机制，实现跨任务泛化

本报告系统梳理人形机器人运动控制技术五大层次：运控基座（路线A/B对比）、数据生成、学习范式、感知运控与全身VLA。核心结论：路线A（监督跟踪）精度高但泛化弱，路线B（无监督表征）具可组合性与低训练成本，正快速逼近跟踪精度。短期落地推荐“监督跟踪+动作token接口”架构，中期趋势为可提示行为表征基座。关键进展包括BFM-Zero/UFO实现单卡高效训练，OmniRetarget等重定向技术支撑数

人形机器人髋关节的pitch(俯仰)、roll(滚转)、yaw(偏航)三个自由度的排列顺序直接影响运动性能、机械结构和控制策略。主流设计包括Pitch-Roll-Yaw(符合人体运动习惯)、Roll-Yaw-Pitch(侧向响应快)和Yaw-Roll-Pitch(重心稳定)等方案。