LLM Wiki

SONIC: 모션 트래킹을 초대규모로 확장한 휴머노이드 전신 제어 모델 (feat. NVIDIA)

Properties2
descriptionSONIC(Supersizing mOtion tracking for Natural humanoId Control)은 NVIDIA DAIR 랩이 제안한 휴머노이드 전신 제어 모델로, 모션 트래킹을 대규모 데이터·모델·연산으로 확장하면 하나의 정책으로 다양한 인간 동작을 자연스럽고 견고하게 추종할 수 있음을 보인 연구다.
tagsai-agents, research

6 min read

출처

개요

SONIC(Supersizing mOtion tracking for Natural humanoId Control)은 NVIDIA DAIR 랩이 제안한 휴머노이드 전신 제어 모델로, 모션 트래킹을 대규모 데이터·모델·연산으로 확장하면 하나의 정책으로 다양한 인간 동작을 자연스럽고 견고하게 추종할 수 있음을 보인 연구다. 연구팀은 약 700시간 규모의 인간 모션 캡처 데이터를 Unitree G1 휴머노이드에 맞게 리타게팅하고, 1억 프레임 이상을 사용해 정책을 학습했다. 핵심은 로봇 모션, 인간 모션, 하이브리드 모션을 하나의 유니버설 토큰 공간으로 정렬해 다양한 입력 인터페이스를 단일 제어 정책으로 처리하는 것이다. 실험에서는 기존 트래커 및 일부 과제별 전문 제어기보다 높은 성공률과 낮은 추종 오차를 보였고, 실제 로봇 및 VLA 기반 로코-매니퓰레이션 과제에서도 가능성을 검증했다. 다만 장시간 안전성, 에너지 효율, 극단적으로 역동적인 조건에서의 안정성은 아직 한계로 남아 있다.

핵심 포인트

  • SONIC은 휴머노이드 제어에서 기존의 과제별 보상 설계나 생성적 모방 학습 대신, 프레임 단위의 조밀한 지도 신호를 제공하는 모션 트래킹을 확장 가능한 기초 과제로 삼았다.

  • 연구팀은 모델 크기를 1.2M에서 최대 42M 매개변수로, 데이터는 1억 프레임 이상으로, 연산은 128개 GPU와 21,000 GPU 시간 규모로 확장하며 성능 향상을 확인했다.

  • 유니버설 제어 정책은 로봇 모션 인코더, 인간 모션 인코더, 하이브리드 모션 인코더를 통해 서로 다른 입력을 공유 잠재 표현으로 변환하고, FSQ 기반 유니버설 토큰으로 양자화한다.

  • 실시간 키네매틱 모션 플래너는 사용자 명령을 참조 모션으로 변환하며, 내비게이션, 스타일 변주, 쪼그려 앉기, 기어가기, 복싱 같은 다양한 동작을 재학습 없이 지원한다.

  • SONIC은 test-content, test-repetition, PHUMA 벤치마크에서 BeyondMimic, Any2Track보다 높은 성공률을 보였고, 실제 Unitree G1 로봇에서도 123개 모션 시퀀스 기준 99.2% 성공률을 기록했다.

  • VLA 모델 GR00T N1.5와 연결했을 때 사과를 접시에 놓기, 물체 집기, 발로 쓰레기통 열기, 캔을 쓰레기통에 버리기 같은 전신 로코-매니퓰레이션 과제를 수행했으며, 5개 과제 평균 성공률은 75%였다.

  • FSQ 토큰 방식은 VLA가 직접 SMPL 자세를 예측하는 방식보다 높은 성공률을 보였으며, 원문 기준 평균 68% 대 27%로 보고됐다.

왜 중요한지

SONIC의 의미는 휴머노이드 전신 제어에서도 언어 모델이나 이미지 생성 모델에서 관찰된 “스케일링의 이점”이 나타날 수 있음을 실험적으로 보였다는 데 있다. 특히 과제마다 보상을 새로 설계하는 방식이 아니라, 대규모 모션 캡처 데이터의 프레임별 목표 자세를 학습 신호로 사용함으로써 더 다양한 행동을 하나의 정책에 담을 수 있는 경로를 제시했다. 또한 유니버설 토큰 공간은 인간 모션, 로봇 모션, 원격 조작, VLA 모델의 행동 출력을 연결하는 공통 인터페이스로 작동해, 휴머노이드 제어와 파운데이션 모델을 결합하는 실용적인 설계 방향을 보여준다. 다만 원문이 밝히듯 SONIC은 아직 안전성, 에너지 효율, 장시간 배포 안정성을 완전히 해결한 시스템은 아니므로, 실제 활용 가능성은 후속 검증이 필요하다.

후속으로 볼 링크 / 키워드

링크

키워드

  • SONIC
  • 휴머노이드 전신 제어
  • whole-body control
  • motion tracking
  • sim-to-real
  • universal token space
  • FSQ, Finite Scalar Quantization
  • PPO
  • Unitree G1
  • VLA, Vision-Language-Action
  • loco-manipulation
  • motion retargeting
  • domain randomization

원문 보존 위치

원문 전체는 raw source: web-2026-07-08-pytorchkr-topic-11111-sonic-humanoid-whole-body-control-nvidia에 source_url 및 HTML 원문과 함께 저장되어 있습니다.

백링크