核心思路：提出两阶段的ik求解方法作重定向，比之前更准。也是基于mink的此处两阶段有先后关系。第一阶段求解结果第二阶段使用继续，想到那关于warmup整体链路：SMPL-X / BVH / Xsens / FBX 人体数据→ 统一为 {人体骨骼名: (全局位置, 全局四元数)}→ 按人体身高、骨段比例、坐标系偏移校准→ 生成机器人各 link 的 SE(3) 目标→ mink + MuJoCo

IK 的输出由全部任务共同决定：当脚必须落地时，骨盆、髋、膝会优先配合脚；这就是mink 的 FrameTask，本身不是优化器，而是计算一个任务的误差，雅可比。就是在给每个任务设置 Wᵢ**。例如骨盆位置权重 100、旋转 10，表示“骨盆位置比骨盆朝向重要约 10 倍”。如果肩转 1 rad、肘转 1 rad、腕转 1 rad，手在 X/Y/Z 和朝向上各会怎么动？把 IK 想成：机器人当前姿

SONIC是一个多模态人形机器人控制框架，可将文本、音乐、运动规划等不同来源的动作意图转换为实时关节控制命令。它采用编码器-FSQ量化器-解码器结构，通过三个并行MLP编码器将多种运动输入映射到共享潜在空间，再经FSQ量化器生成通用token，最后由控制解码器输出29个关节的目标位置。训练时结合PPO算法和辅助损失函数（如重建损失、token对齐等），在仿真环境中优化控制策略。相比GMT、Any2

根据https://blog.csdn.net/chaofanjun/article/details/106663662 设置静态IP后，在设置nmtui命令（这两个修改不一样，仿佛不同步）https://blog.csdn.net/qq_35371031/article/details/88638305在用这个修改，可以上网