选对模型才出活：Kimodo五大SOMA/G1/SMPL-X模型变体选型终极指南

选对模型才出活Kimodo五大SOMA/G1/SMPL-X模型变体选型终极指南【免费下载链接】kimodoOfficial implementation of Kimodo, a kinematic motion diffusion model for high-quality human(oid) motion generation.项目地址: https://gitcode.com/gh_mirrors/ki/kimodoKimodo 是 NVIDIA 开源的运动扩散模型kinematic motion diffusion model用文本提示和关键帧约束生成高质量 3D 人类与机器人动作。但它并不只有一个模型围绕SOMA、G1、SMPL-X 三类骨架与两套训练数据官方提供了五大变体。选错模型轻则导出格式不对重则动作出现严重重定向伪影。本文用最直白的方式帮你一次看懂 Kimodo 模型选型。30秒速查五大模型变体一览表模型变体骨架训练数据典型场景官方态度Kimodo-SOMA-RPv1 / v1.1SOMA 人形Bones Rigplay 1700h通用人体动作生成✅ 默认推荐Kimodo-SOMA-SEEDv1 / v1.1SOMA 人形BONES-SEED288h公开与同数据模型公平对比 评测用Kimodo-G1-RPv1Unitree G1 机器人Bones Rigplay 1700h机器人工作流、MuJoCo 仿真✅ 机器人首选Kimodo-G1-SEEDv1Unitree G1 机器人BONES-SEED288h公开同数据集对比评测 评测用Kimodo-SMPLX-RPv1SMPL-X 人体Bones Rigplay 1700hAMASS 管线、GMR 重定向⚠️ 兼容用非首选 所有模型在使用 CLI 或交互 Demo 时都会自动下载无需手动管理权重。变体名称的注册与解析逻辑见 kimodo/model/registry.py。一、先搞懂命名规则骨架 × 数据集 × 版本Kimodo 的模型名遵循Kimodo-骨架-数据集-版本的结构如Kimodo-G1-RP-v1三个维度各管一件事1. 骨架决定谁在动模型输入输出的关节数由骨架决定这也是选型的第一决策项骨架定义见 kimodo/skeleton/definitions.pySOMA34 关节内部 30 / 导出 77 关节NVIDIA 统一人体模型默认骨架覆盖全身含手部G134 关节Unitree G1 人形机器人骨架专为机器人工作流设计导出时自动去掉为学习而添加的脚趾关节SMPL-X22 关节经典学术人体模型仅含躯干关节便于对接 AMASS 生态。2. 数据集决定动作质量上限RPRigplayBones Rigplay 1 专有数据集700 小时棚拍动捕涵盖行走、舞蹈、格斗、日常交互等。官方默认推荐 RP 系模型用于实际生产SEEDBONES-SEED 公开数据集288 小时。SEED 系模型能力略弱但训练数据公开适合与其他同数据模型做公平横向对比配合官方 Motion Generation Benchmark 使用。3. 版本v1 → v1.1v1.1 目前仅覆盖 SOMA 两条线2026-04-10 发布带来小幅质量提升与基准测试兼容。不带版本号的短名如soma-rp会自动解析到最新版。二、五大变体逐个拆1️⃣ Kimodo-SOMA-RP —— 默认首选90% 场景用它SOMA 是 Kimodo 的默认骨架也是唯一支持BVH 导出的骨架。模型内部在精简的somaskel3030 关节上做去噪输出时自动转为完整的somaskel7777 关节全身含手部细节动作表现最完整输出 Kimodo NPZ77 关节 可选--bvh导出接入动画管线方便不指定--model时系统默认就是它默认值kimodo-soma-rp见 kimodo/model/registry.py。适合游戏动画、通用人体动作库、动画中间帧in-betweening。2️⃣ Kimodo-SOMA-SEED —— 做模型对比的标尺同一 SOMA 骨架但只用了 288 小时公开动捕数据。单独看质量不如 RP 版但它是横向评测的公平基线任何在 BONES-SEED 上训练的运动生成模型都可以拿它对标。如果你要跑 benchmark 或复现官方结果选它。3️⃣ Kimodo-G1-RP —— 人形机器人工作流首选面向 Unitree G1 的 34 关节机器人骨架生成的是机器人能演的动作指定--output后直接导出MuJoCo qpos CSV每行 36 值根位移 四元数 29 个单自由度关节可被python -m kimodo.scripts.mujoco_load直接回放输出兼容 ProtoMotions 物理仿真训练也可接入 GEAR-SONIC 做实时跟踪适合机器人运动策略训练数据、MuJoCo/Isaac 仿真、全身控制WBC演示。4️⃣ Kimodo-G1-SEED —— 机器人方向的对比标尺与 SOMA-SEED 同理G1 骨架 公开 SEED 数据。做机器人动作生成模型的公开数据集横向评测时用它生产用途请回到 G1-RP。5️⃣ Kimodo-SMPLX-RP —— 兼容性工具人22 关节、仅躯干输出AMASS 格式 NPZtrans/pose_body/pose_hand/betas等标准键坐标系自动转为 z-up。⚠️官方明确标注这不是推荐的 Kimodo 模型——由于关节映射差异生成动作可能出现较明显的重定向伪影但它有个独门用途AMASS NPZ 可被 General Motion RetargetingGMR直接读取重定向到各类机器人⚠️ 注意该模型采用NVIDIA RD Model 许可证仅限科研用途而其余模型均为 NVIDIA Open Model 许可商用前务必确认。三、导出格式一表看清骨架选择直接绑定导出格式详见 docs/source/user_guide/output_formats.md模型默认输出附加导出典型下游SOMANPZ77 关节--bvh生成 BVH动画软件、ProtoMotionsG1NPZ34 关节MuJoCo qpos CSVMuJoCo、GEAR-SONICSMPL-XAMASS NPZ22 关节—GMR 重定向、AMASS 管线四、如何切换到指定模型方式一命令行。给kimodo_gen传--model参数模型名支持灵活简写大小写不敏感缺省默认 SOMA RP解析逻辑见 kimodo/model/load_model.py# 全名、部分名、骨架简称都能识别均等价 kimodo_gen A person walks forward. --model Kimodo-G1-RP-v1 --duration 5.0 --output out kimodo_gen A person walks forward. --model g1 --duration 5.0 --output out方式二交互 Demo。kimodo_demo启动后左侧面板即可在 SOMA / SMPL-X / G1 之间切换选择结果会同步影响场景角色与导出选项见 docs/source/interactive_demo/model_selection.md。硬件提示全 GPU 推理约需 17GB 显存主要是文本编码器显存不足时设置环境变量TEXT_ENCODER_DEVICEcpu显存占用可降到 3GB 以下略慢。五、选型决策清单 不知道选什么 →Kimodo-SOMA-RP默认即最优解v1.1 更新更稳 下游是 MuJoCo / 机器人策略训练 →Kimodo-G1-RP 发论文、对比其他模型同公开数据→ 对应骨架的SEED版本 管线只认 AMASS / SMPL-X、或要走 GMR 重定向 →Kimodo-SMPLX-RP注意科研许可限制且容忍重定向伪影 需要 BVH 文件进动画软件 → 只有SOMA系支持--bvh。骨架与数据的完整说明见 docs/source/key_concepts/skeleton.md快速上手见 docs/source/getting_started/quick_start.md。一句话总结先按下游工具链定骨架SOMA/G1/SMPL-X再按是否要对标公开数据定数据集RP/SEED你就完成了 Kimodo 模型选型。【免费下载链接】kimodoOfficial implementation of Kimodo, a kinematic motion diffusion model for high-quality human(oid) motion generation.项目地址: https://gitcode.com/gh_mirrors/ki/kimodo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考