企业官网建设流程全解析

选对模型才出活：Kimodo五大SOMA/G1/SMPL-X模型变体选型终极指南

【免费下载链接】kimodoOfficial implementation of Kimodo, a kinematic motion diffusion model for high-quality human(oid) motion generation.项目地址: https://gitcode.com/gh_mirrors/ki/kimodo

Kimodo 是 NVIDIA 开源的运动扩散模型（kinematic motion diffusion model），用文本提示和关键帧约束生成高质量 3D 人类与机器人动作。但它并不只有一个模型：围绕SOMA、G1、SMPL-X 三类骨架与两套训练数据，官方提供了五大变体。选错模型，轻则导出格式不对，重则动作出现严重重定向伪影。本文用最直白的方式，帮你一次看懂 Kimodo 模型选型。

30秒速查：五大模型变体一览表

💡 所有模型在使用 CLI 或交互 Demo 时都会自动下载，无需手动管理权重。变体名称的注册与解析逻辑见 kimodo/model/registry.py。

一、先搞懂命名规则：骨架 × 数据集 × 版本

Kimodo 的模型名遵循Kimodo-骨架-数据集-版本的结构（如Kimodo-G1-RP-v1），三个维度各管一件事：

1. 骨架：决定"谁在动"

模型输入输出的关节数由骨架决定，这也是选型的第一决策项（骨架定义见 kimodo/skeleton/definitions.py）：

• SOMA（34 关节内部 30 / 导出 77 关节）：NVIDIA 统一人体模型，默认骨架，覆盖全身含手部；
• G1（34 关节）：Unitree G1 人形机器人骨架，专为机器人工作流设计，导出时自动去掉为学习而添加的脚趾关节；
• SMPL-X（22 关节）：经典学术人体模型，仅含躯干关节，便于对接 AMASS 生态。

2. 数据集：决定"动作质量上限"

• RP（Rigplay）：Bones Rigplay 1 专有数据集，700 小时棚拍动捕，涵盖行走、舞蹈、格斗、日常交互等。官方默认推荐 RP 系模型用于实际生产；
• SEED：BONES-SEED 公开数据集，288 小时。SEED 系模型能力略弱，但训练数据公开，适合与其他同数据模型做公平横向对比（配合官方 Motion Generation Benchmark 使用）。

3. 版本：v1 → v1.1

v1.1 目前仅覆盖 SOMA 两条线（2026-04-10 发布），带来小幅质量提升与基准测试兼容。不带版本号的短名（如soma-rp）会自动解析到最新版。

二、五大变体逐个拆

1️⃣ Kimodo-SOMA-RP —— 默认首选，90% 场景用它

SOMA 是 Kimodo 的默认骨架，也是唯一支持BVH 导出的骨架。模型内部在精简的somaskel30（30 关节）上做去噪，输出时自动转为完整的somaskel77（77 关节）：

• 全身含手部细节，动作表现最完整；
• 输出 Kimodo NPZ（77 关节）+ 可选--bvh导出，接入动画管线方便；
• 不指定--model时，系统默认就是它（默认值kimodo-soma-rp，见 kimodo/model/registry.py）。

适合：游戏动画、通用人体动作库、动画中间帧（in-betweening）。

2️⃣ Kimodo-SOMA-SEED —— 做模型对比的"标尺"

同一 SOMA 骨架，但只用了 288 小时公开动捕数据。单独看质量不如 RP 版，但它是横向评测的公平基线：任何在 BONES-SEED 上训练的运动生成模型，都可以拿它对标。如果你要跑 benchmark 或复现官方结果，选它。

3️⃣ Kimodo-G1-RP —— 人形机器人工作流首选

面向 Unitree G1 的 34 关节机器人骨架，生成的是"机器人能演的"动作：

• 指定--output后直接导出MuJoCo qpos CSV（每行 36 值：根位移 + 四元数 + 29 个单自由度关节），可被python -m kimodo.scripts.mujoco_load直接回放；
• 输出兼容 ProtoMotions 物理仿真训练，也可接入 GEAR-SONIC 做实时跟踪：

适合：机器人运动策略训练数据、MuJoCo/Isaac 仿真、全身控制（WBC）演示。

4️⃣ Kimodo-G1-SEED —— 机器人方向的"对比标尺"

与 SOMA-SEED 同理：G1 骨架 + 公开 SEED 数据。做机器人动作生成模型的公开数据集横向评测时用它，生产用途请回到 G1-RP。

5️⃣ Kimodo-SMPLX-RP —— 兼容性工具人

22 关节、仅躯干，输出AMASS 格式 NPZ（trans/pose_body/pose_hand/betas等标准键，坐标系自动转为 z-up）。

• ⚠️官方明确标注：这不是推荐的 Kimodo 模型——由于关节映射差异，生成动作可能出现较明显的重定向伪影；
• 但它有个独门用途：AMASS NPZ 可被 General Motion Retargeting（GMR）直接读取，重定向到各类机器人；
• ⚠️ 注意：该模型采用NVIDIA R&D Model 许可证（仅限科研用途），而其余模型均为 NVIDIA Open Model 许可，商用前务必确认。

三、导出格式一表看清

骨架选择直接绑定导出格式（详见 docs/source/user_guide/output_formats.md）：

四、如何切换到指定模型

方式一：命令行。给kimodo_gen传--model参数，模型名支持灵活简写（大小写不敏感，缺省默认 SOMA + RP，解析逻辑见 kimodo/model/load_model.py）：

# 全名、部分名、骨架简称都能识别，均等价 kimodo_gen "A person walks forward." --model Kimodo-G1-RP-v1 --duration 5.0 --output out kimodo_gen "A person walks forward." --model g1 --duration 5.0 --output out

方式二：交互 Demo。kimodo_demo启动后，左侧面板即可在 SOMA / SMPL-X / G1 之间切换，选择结果会同步影响场景角色与导出选项（见 docs/source/interactive_demo/model_selection.md）。

硬件提示：全 GPU 推理约需 17GB 显存（主要是文本编码器）；显存不足时设置环境变量TEXT_ENCODER_DEVICE=cpu，显存占用可降到 3GB 以下（略慢）。

五、选型决策清单

• 🎯 不知道选什么 →Kimodo-SOMA-RP（默认即最优解，v1.1 更新更稳）；
• 🤖 下游是 MuJoCo / 机器人策略训练 →Kimodo-G1-RP；
• 🔬 发论文、对比其他模型（同公开数据）→ 对应骨架的SEED版本；
• 🔗 管线只认 AMASS / SMPL-X、或要走 GMR 重定向 →Kimodo-SMPLX-RP（注意科研许可限制，且容忍重定向伪影）；
• 🎬 需要 BVH 文件进动画软件 → 只有SOMA系支持--bvh。

骨架与数据的完整说明见 docs/source/key_concepts/skeleton.md，快速上手见 docs/source/getting_started/quick_start.md。

一句话总结：先按"下游工具链"定骨架（SOMA/G1/SMPL-X），再按"是否要对标公开数据"定数据集（RP/SEED），你就完成了 Kimodo 模型选型。

【免费下载链接】kimodoOfficial implementation of Kimodo, a kinematic motion diffusion model for high-quality human(oid) motion generation.项目地址: https://gitcode.com/gh_mirrors/ki/kimodo