英偉達研究團隊近期對外公布人形機器人通用全身控制模型 SONIC，相關科研成果正式發表於《Science Robotics》期刊。
該模型主打統一控制器架構，不必針對各類動作單獨調試策略，能夠兼容 VR 遙操作、影片動作輸入、視覺-語言-動作（VLA）模型等多種上層信號源，降低人形機器人多技能開發的複雜度。
英偉達研究員 Yuke Zhu 提到，現階段不少人形機器人方案，往往要為行走、抓取等不同動作分別訓練專屬控制器，模型拓展難度很高。SONIC 作為通用全身控制模型，可以接收高層運動目標，直接輸出機器人各關節連貫的全身動作指令。
這套模型依託超過 1 億幀大規模人體動作數據集完成訓練，並非局限於單一任務學習。
在仿真環境測試當中，研究團隊驗證了行走、物體操作等多項任務，甚至可以完成訓練集未曾出現過的動作，展現不錯的泛化性能。同一套模型可以輸出多種穩定自然的全身姿態，各類上層輸入信號接入時，無需重新訓練控制器。
這意味著 SONIC 可以充當人形機器人底層運動中樞，對接不同 AI 模型與操控方式，把抽象指令轉化為機器人實體動作。實驗環境中，研究人員將 SONIC 和其他系統組合，既完成 VR 遠程操控，也實現文字指令直接驅動機器人執行動作。
按照英偉達的規劃，SONIC 未來有望落地製造、倉儲物流等場景，充當高層大模型與機器人硬體之間的運動基礎層。
目前研發團隊仍在持續疊代模型。優化方向包括強化環境感知能力，減少碰撞事故；提升機器人在非平整地面、動態變化場景中的導航穩定性；同時攻堅複雜接觸操作、仿真到真機遷移以及實體設備運行穩定性等現實難題。
下一步，英偉達計劃將 SONIC 與 Isaac GR00T 平台深度整合，讓上層大模型推理能力，搭配 SONIC 的通用全身運動控制，支撐人形機器人完成難度更高的複合任務。如何把仿真環境的優異表現，穩定遷移到真實物理世界，仍是這套技術走向產業化必須跨過的關鍵關卡。
