选型指南 · 来自官方模型卡

你需要哪个 SONIC 模型？三个 checkpoint，一个决定

GEAR-SONIC 为 Unitree G1 发布了三个全身控制器 checkpoint。区别在参考视野与部署意图——按你打算怎么用控制器来选，而不是按版本号。下面所有内容逐字摘自官方模型卡。

可用的模型

模型SMPL 参考输入用途
Default SONIC（原始发布） 10 帧未来参考，20 ms 间隔，约 200 ms 参考 lookahead 通用全身控制控制器，用于动作跟踪、规划、遥操作与现有部署的兼容。G1 与遥操作的 future-reference 观测使用 step5。 HF 文件 →
Low-latency teleoperation 4 帧未来参考，20 ms 间隔，约 80 ms 参考 lookahead 面向响应更快的全身遥操作与 VLA 执行。G1 与遥操作的 future-reference 观测使用 step1。编码器、解码器与观测配置必须配套使用。 HF 文件 →
SONIC v1.1 10 帧未来参考，20 ms 间隔，约 200 ms 参考 lookahead 使用机器人航向归一化的目标朝向，训练时带腕部姿态增强。面向航向稳定的全身遥操作与使用该控制器的 SONIC 版 VLA 策略。G1 与遥操作的 future-reference 观测使用 step5；这不是低延迟模型。 HF 文件 →
三者共用同一个控制器核心： 三个模型共用 SONIC 通用 token 控制器，输出 64 维潜在动作 token，控制器以 50 Hz 运行，支持 SMPL 姿态、G1 动作参考与遥操作输入。
跑基准前先读： lookahead 值描述的是呈现给控制器的参考视野（reference horizon）。它们不是端到端遥操作总延迟的测量值——后者还包括感知、网络、预处理与推理。这是官方模型卡的原话。

按使用场景选

Default SONIC

动作跟踪、规划、遥操作与现有部署兼容。拿不准时的安全默认——它就是最初的通用发布版。

Low-latency teleoperation

响应最快的全身遥操作与 VLA 执行。4 帧 lookahead（约 80 ms）。编码器、解码器与观测配置要配套使用——别和默认文件混搭。

SONIC v1.1

航向稳定的全身遥操作与基于 SONIC 的 VLA 策略。机器人航向归一化目标朝向，带腕部姿态增强训练。不是低延迟模型。

发布文件

模型部署文件PyTorch + 配置
Default SONICmodel_encoder.onnx, model_decoder.onnx, observation_config.yamlsonic_release/last.pt, sonic_release/config.yaml
Low-latency teleoperationlow_latency/model_encoder.onnx, low_latency/model_decoder.onnx, low_latency/observation_config.yamllow_latency/last.pt, low_latency/config.yaml, low_latency/model_config.yaml
SONIC v1.1sonic_v1_1/model_encoder.onnx, sonic_v1_1/model_decoder.onnx, sonic_v1_1/observation_config.yamlsonic_v1_1/last.pt, sonic_v1_1/config.yaml, sonic_v1_1/model_config.yaml

部署使用 C++ 与 TensorRT；PyTorch checkpoint 支持 Isaac Lab 评估与继续训练。模型权重受 NVIDIA Open Model License 约束。

SONIC 模型常见问题

该用哪个 SONIC 模型？
通用动作跟踪、规划、遥操作与现有部署兼容用 Default SONIC。要响应最快的全身遥操作与 VLA 执行，用 Low-latency teleoperation（4 帧，约 80 ms lookahead）。需要航向稳定的全身遥操作或基于 SONIC 的 VLA 策略时，用 SONIC v1.1（10 帧，约 200 ms lookahead，机器人航向归一化，带腕部姿态增强）。
三个 SONIC checkpoint 有什么区别？
区别在参考视野（reference horizon）与部署意图：Default 用 20 ms 间隔的 10 帧未来参考（约 200 ms lookahead，step5 观测），Low-latency 用 4 帧（约 80 ms，step1），v1.1 用 10 帧（约 200 ms），并带机器人航向归一化目标朝向与腕部姿态增强。
lookahead 就是延迟吗？
不是。lookahead 值描述的是呈现给控制器的参考视野，不是端到端遥操作总延迟的测量值——后者还包括感知、网络、预处理与推理。这是官方模型卡的原话。
SONIC checkpoint 托管在哪里？
Hugging Face 的 nvidia/GEAR-SONIC 仓库。Default SONIC 的文件在顶层（model_encoder.onnx、model_decoder.onnx、observation_config.yaml、训练 checkpoint sonic_release/last.pt）；低延迟在 low_latency/ 下，v1.1 在 sonic_v1_1/ 下。用仓库里的 python download_from_hf.py 下载。