地平线机器人实验室开源并发布了 HoloMotion-1 —— 一款面向人形机器人全身控制的约 4 亿参数“机器人小脑”大模型。该模型通过 MoE 稀疏激活与 KV-cache 推理机制在保持模型容量的同时降低单步推理开销，实现端侧约 300 FPS 实时推理，显著高于常见的 50 Hz 控制频率要求。训练数据来自互联网视频恢复动作、光学动捕、VR 遥操作与惯性动捕等多源数据，并通过统一的数据处理与动作重定向将人类动作转换为机器人可学的控制信号。在真实机器人上，HoloMotion-1 展示了零样本迁移能力，能实现高动态舞蹈、爬行、低姿态和接触丰富动作、健身动作及搬箱子等人机交互任务，覆盖了全身控制的多项关键难点。项目已开源代码、模型与技术报告并提供 Docker 环境。
5 月 19 日消息，地平线 HorizonRobotics 昨日正式发布并开源 HoloMotion-1，这是地平线机器人实验室面向人形机器人全身控制打造的 4 亿参数级机器人小脑大模型。
官方表示，相比以往常见的百万级、千万级机器人控制模型，HoloMotion-1 将机器人“小脑”的模型规模提升到新的量级，并在端侧实现约 300FPS 实时推理。
HoloMotion-1 结合 MoE 稀疏激活与 KV-cache 推理机制，在保持 4 亿参数级模型容量的同时降低单步推理开销，实现端侧约 300FPS 的实时运行能力，显著高于常见 50Hz 控制频率要求。
据介绍，HoloMotion-1 使用多来源动作数据进行训练，包括互联网视频恢复动作、光学动捕数据、 VR 遥操作数据和惯性动捕遥操作数据。通过统一的数据处理和动作重定向流程，系统将人类动作转化为适合机器人学习和控制的训练数据。
在真实机器人实验中，HoloMotion-1 展示了多类复杂动作的零样本迁移能力：
- 高动态舞蹈动作，来自互联网视频数据
- 爬行、坐下、高踢腿等接触丰富动作，来自高精度光学动捕数据
- 健身等动作，来自低成本 VR 遥设备
- 搬箱子等人机交互任务，来自惯性动捕设备
这些动作覆盖了人形机器人全身控制中的多个关键难点，包括大幅度肢体运动、低姿态动作、接触丰富动作、动态平衡动作以及实时遥操作跟踪。
IT之家附相关链接如下：