Humanoid-GPT: Escalado de Datos y Estructura para el Seguimiento de Movimiento Zero-Shot

Resumen

Presentamos Humanoid-GPT, un Transformer tipo GPT con atención causal entrenado en un corpus de movimiento a escala de miles de millones para el control de cuerpo completo. A diferencia de los seguidores MLP superficiales previos, limitados por la escasez de datos y el compromiso entre agilidad y generalización, Humanoid-GPT se preentrena en un corpus reorientado de 2 mil millones de fotogramas que unifica todos los conjuntos de datos importantes de captura de movimiento con grabaciones internas a gran escala. Escalar tanto los datos como la capacidad del modelo produce un único Transformer generativo que sigue comportamientos altamente dinámicos, logrando al mismo tiempo una generalización cero-shot sin precedentes a movimientos y tareas de control no vistos. Experimentos exhaustivos y análisis de escalado muestran que nuestro modelo establece una nueva frontera de rendimiento, demostrando una generalización cero-shot robusta a tareas no vistas mientras sigue simultáneamente movimientos altamente dinámicos y complejos.

English

We introduce Humanoid-GPT, a GPT-style Transformer with causal attention trained on a billion-scale motion corpus for whole-body control. Unlike prior shallow MLP trackers constrained by scarce data and an agility-generalization trade-off, Humanoid-GPT is pre-trained on a 2B-frame retargeted corpus that unifies all major mocap datasets with large-scale in-house recordings. Scaling both data and model capacity yields a single generative Transformer that tracks highly dynamic behaviors while achieving unprecedented zero-shot generalization to unseen motions and control tasks. Extensive experiments and scaling analyses show that our model establishes a new performance frontier, demonstrating robust zero-shot generalization to unseen tasks while simultaneously tracking highly dynamic and complex motions.