优必选 Walker 接入 NVIDIA SONIC：用统一策略拓展全尺寸人形机器人全身运动能力

方案背景：全尺寸人形机器人要从少数动作演示走向真实应用，难点不只是完成单个动作，而是让新的动作数据、机器人本体和控制入口持续进入同一研发闭环，同时保持稳定、协调的全身运动。行走之外，机器人还要学习奔跑、下蹲、跪姿、爬行等动作，并接入动作捕捉、遥操作和运动规划等多种控制方式。

解决方案与架构：NVIDIA SONIC（Supersizing Motion Tracking for Natural Humanoid Whole-Body Control）把行走、奔跑、下蹲、拳击和爬行统一为可规模化的运动追踪任务，让一套策略从多样化人体动作中学习平衡、落脚与全身协调，再结合机器人实时状态闭环生成关节指令。优必选将 SONIC 扩展到 Walker 新本体，完成机器人模型与执行器接入、人体动作重定向、并行仿真训练、策略评测与导出，以及真机闭环校准。

核心技术组件：SONIC 将机器人轨迹、人体姿态和混合指令编码为统一的运动 Token，使游戏手柄、VR 和视频等入口接入同一控制策略；运动 Token 表达目标动作，控制策略结合实时状态持续修正平衡与协调。三点式 VR 遥操作中，头显和手柄输入上肢意图，运动学规划器生成下肢运动，统一策略负责全身稳定执行。公开仓库提供 ONNX 导出、C++/TensorRT 部署与接入指南。

实施成果：优必选 Walker S2 面向工业制造、Walker C1 面向商用服务，均需要底层运动系统支持自然稳定的全身动作。在 Walker 新本体的长周期、大规模并行训练中，团队发现随着迭代次数增加，训练主循环之外的时间持续增加，到 50 小时时平均时间利用率不足 70%；通过定位与优化训练链路，同样 50 小时墙钟时间下，累计有效训练时间由约 33.5 小时提高到约 49.0 小时。

未来展望：SONIC 可复用数据处理、训练、评测、模型导出和部署框架，减少新本体接入的重复开发。NVIDIA 与优必选将继续围绕新本体适配、真机验证和真实负载优化开展协同，并把经验回馈开源社区，推动全尺寸人形机器人在工业、商用和家庭场景落地。