Hareket izleme nedir, neden bu kadar yaygınlaştı?
Hareket izlemede politikanın görevi basittir: her kontrol adımında robotu referans hareketin bir sonraki pozuna olabildiğince yaklaştırmak. Ödül, robotun eklem açıları ve gövde konumları ile referans arasındaki farktan hesaplanır. Zor olan kısım, insan hareketinin robotun kütlesi, eklem sınırları ve motor gücüyle uyumlu biçimde, düşmeden yeniden üretilmesi.
Akış dört adımdan oluşur:
- İnsan hareketi hareket yakalama (motion capture) ile kaydedilir ya da videodan kestirilir.
- Hareket robotun iskeletine yeniden hedeflenir (retargeting). G1 için bu adımın NVIDIA tarafındaki aracı SOMA Retargeter rehberimizde anlatılıyor.
- Bir politika simülasyonda binlerce paralel robotla referansı izlemeyi öğrenir.
- Politika önce başka bir simülatörde (sim2sim), sonra gerçek robotta sınanır.
NVIDIA, SONIC makalesinde hareket izlemeyi büyük ölçekte eğitilebilen bir görev olarak tanımlar. Her davranış için ayrı ödül tasarlamak yerine tek bir izleme hedefi kullanılır ve beceri çeşitliliği veriden gelir. Son bir yılın yöntemleri de bu fikrin üzerine kuruldu.
Akım nasıl gelişti: zaman çizgisi
Aşağıdaki tarihler makalelerin arXiv ilk sürümlerinden ve GitHub depolarının açılış tarihlerinden alındı.
- 2020: Ubisoft La Forge, LAFAN1 hareket veri setini SIGGRAPH 2020'de sunulan makaleyle yayımladı. Bugünkü G1 karşılaştırmalarının çoğu bu verinin 40 klibini kullanır.
- Eylül 2024: NVIDIA, ProtoMotions deposunu açtı. Çatı bugün üçüncü sürümünde ve G1 dağıtım hattı içeriyor.
- Haziran 2025: mjlab deposu açıldı. Makalesi (arXiv 2601.22074) 29 Ocak 2026'da yayımlandı.
- 11 Ağustos 2025: UC Berkeley ve Stanford araştırmacıları BeyondMimic makalesini (arXiv 2508.08241) ve hareket izleme kodunu yayımladı.
- 11 Kasım 2025: NVIDIA, GEAR SONIC makalesini (arXiv 2511.07820) yayımladı.
- 16 Mart 2026: BONES-SEED veri seti açıldı. GR00T-WholeBodyControl README'sine göre 142 binden fazla hareket ve yaklaşık 288 saatlik kayıt içeriyor.
- 20 Ekim 2026: UC Berkeley ekibi SuperMimic makalesini (arXiv 2610.28480) yayımladı. Makale CoRL 2026'da sözlü sunuma kabul edildi.
- 21 Ekim - 15 Kasım 2026: SuperMimic fikri üzerine kurulan açık kaynak depolar art arda geldi: supermimic_vibed (21 Ekim), InstantTrack (29 Ekim), BlinkMimic (2 Kasım), XMimic (7 Kasım, makalesi 16 Kasım) ve MacMimic (15 Kasım). SuperMimic'in resmi kodu 10 Kasım'da HybridRobotics deposunda açıldı.
Yöntemlerin karşılaştırması
İlk tablo kimin neyi önerdiğini, ikincisi hangi altyapıda ve hangi sonuçla çalıştığını gösterir. Süre sütunu her projenin kendi ölçümüdür. Projeler farklı veri ve hedeflerle ölçüldüğü için satırlar arasında doğrudan hız karşılaştırması yapılamaz.
| Proje | Kim | Yıl | Yöntemin özü |
|---|---|---|---|
| BeyondMimic | UC Berkeley (Hybrid Robotics) ve Stanford | 2025 | Tek MDP ve ortak hiperparametrelerle hareket izleme, üzerine görev yönlendirmeli gizil difüzyon modeli |
| GEAR SONIC | NVIDIA (GEAR) | 2025 | Hareket izlemeyi ölçekleme: 700 saatlik hareket yakalama verisi, 1,2M ile 42M parametre arası ağlar |
| ProtoMotions | NVIDIA (NVlabs) | 2024 | Benzetilen insan ve insansılar için GPU hızlandırmalı eğitim çatısı, G1 genel izleme politikası |
| mjlab | Zakka, Liao, Yi, Le Lay, Sreenath, Abbeel | 2025 | Isaac Lab tarzı yönetici API'si ile MuJoCo Warp'ı birleştiren eğitim çatısı |
| SuperMimic | UC Berkeley | 2026 | Tüm hareketler için tek türevlenebilir dünya modeli, hayali kısa açılımlar üzerinden geri yayılımla politika eğitimi |
| supermimic_vibed | Chong Zhang (ETH Zürich) | 2026 | SuperMimic'in bağımsız, resmi olmayan yeniden yazımı |
| InstantTrack | Huy-Quang-Dao | 2026 | SuperMimic üzerine GPU döngü mühendisliği, EMA politika, Muon eniyileyici ve hata odaklı sıfırlama |
| BlinkMimic | Fuyi Chen | 2026 | InstantTrack ve supermimic_vibed üzerine yarı örtük dünya modeli, ayna çoğaltma ve değerlendirme güdümlü sıfırlama |
| XMimic | Nico Bohlinger, Jan Peters | 2026 | BlinkMimic algoritmasının JAX ile yeniden kurulması, tüm iterasyonun tek XLA programına derlenmesi |
| MacMimic | air23zj | 2026 | BlinkMimic algoritması ve XMimic'in simülatör ile öğrenici örtüşmesi, Apple silicon üzerinde MLX |
| Proje | Altyapı | Donanım ve süre (kaynağa göre) | Robotta doğrulama | Kod lisansı |
|---|---|---|---|---|
| BeyondMimic | Isaac Lab 2.1.0, RSL-RL PPO; kod artık mjlab'de | Robotta izleme çıkarımı CPU'da 1 ms altında | Gerçek G1 (makale ekleri) | MIT |
| GEAR SONIC | Isaac Lab eğitimi, C++ ve TensorRT dağıtımı | 21 bin GPU saati | Gerçek G1, 124 sekans (NVIDIA) | Apache-2.0, ağırlıklar NVIDIA Open Model License |
| ProtoMotions | IsaacGym, IsaacLab, Newton, MuJoCo | AMASS için 4 A100 ile 12 saat, BONES-SEED için 24 A100 | Gerçek G1, sıfır atış aktarım (NVIDIA) | Apache-2.0, modeller NVIDIA Open Model License |
| mjlab | MuJoCo Warp | Eğitim için NVIDIA GPU, macOS'ta değerlendirme | Eğitim çatısı, G1 izleme görevi hazır | Apache-2.0 |
| SuperMimic | MuJoCo Warp, kod mjlab üzerinde | Tek H100 ile yaklaşık 3 saat, sıfır hata için iki GPU ile 9,8 saat | Gerçek G1 (makale) | Apache-2.0 |
| supermimic_vibed | Isaac Lab 3, Newton ve MuJoCo-Warp çözücü | RTX PRO 6000 Blackwell ile yaklaşık 0,95 saat | Simülasyon (40 LAFAN1 klibi) | MIT |
| InstantTrack | mjlab 1.6.0, MuJoCo Warp | RTX 5090 ile yaklaşık 3 dakika | Simülasyon (40 LAFAN1 klibi) | MIT |
| BlinkMimic | mjlab, MuJoCo Warp | RTX 4090 ile hedefe 2,9 dakika | Simülasyon (40 LAFAN1 klibi) | MIT |
| XMimic | JAX, MJX üzerinden MuJoCo Warp | 4 H100 ile hedefe 0,86 dakika | Simülasyon (40 LAFAN1 klibi) | MIT |
| MacMimic | CPU'da MuJoCo, GPU'da MLX | MacBook Pro M4 Pro ile hedefe ortalama 21,6 dakika | Simülasyon (40 LAFAN1 klibi) | MIT |
SuperMimic ve türevleri: dünya modeliyle hızlanma
Son iki ayın hızlanmasını anlamak için SuperMimic'e bakmak gerekiyor. Klasik yaklaşımda politika, simülatörde PPO gibi bir pekiştirmeli öğrenme yöntemiyle deneme yanılma yaparak gelişir. SuperMimic ise simülatörden toplanan geçişlerle robotun dinamiğini öğrenen tek bir türevlenebilir dünya modeli kurar. Politika bu modelin içinde hayal edilen kısa açılımlar (rollout) boyunca zaman içinde geri yayılımla (BPTT) analitik gradyan alır.
Makaleye göre SuperMimic, BONES-SEED'den süzülen 129.514 hareketle eğitildi. Tek H100 üzerinde yaklaşık 3 saatte SONIC'in normalleştirilmiş getirisini geçti. Yazarlar, SONIC tabanının 128 GPU ile 7 gün eğitildiğini ve GPU saatinde 1000 kattan fazla azalma elde ettiklerini bildiriyor. İki GPU ile 9,8 saatlik eğitimin ardından başarısız hareket sayısı sıfıra indi.
Ardından gelen açık kaynak depolar, aynı fikri 40 klipli LAFAN1 kıyas setinde hızlandırmaya odaklandı. Ortak hedef, normalleştirilmiş getirinin 0,82'ye ulaşması ve hiçbir klibin başarısız olmamasıdır. Zincir şöyle ilerledi:
- supermimic_vibed: Chong Zhang'ın yeniden yazımı 0/40 başarısız klip ve 0,842 getiriye ulaştı. README'ye göre kod bir kodlama asistanıyla bir saatte hızla yazıldı ve gözden geçirilmedi.
- InstantTrack: supermimic_vibed'in mjlab sürümünden yola çıktı. Yazarın aynı makinede yeniden yazdığı SuperMimic 1,50 saat sürerken InstantTrack hedefe yaklaşık 3 dakikada ulaştı.
- BlinkMimic: ikisini birleştirdi ve tek RTX 4090'da 3 tohumun ortalamasıyla 2,9 dakikada hedefi tuttu. Standart koşu 3500 iterasyonla yaklaşık 8 dakika.
- XMimic: yöntemi değil makineyi değiştirdi. JAX ile derlenen döngü 4 GPU'da 0,86 dakikaya, tek GPU'da 2,47 dakikaya indi. Makale aynı altyapıyla engebeli zeminde yürüyüş için XSoma'yı da sunuyor.
- MacMimic: akışı Apple silicon dizüstüne taşıdı. MuJoCo 4096 robotu CPU'da benzetirken dünya modeli, politika ve eleştirmen MLX ile GPU'da eğitiliyor.
InstantTrack, XMimic ve supermimic_vibed README'leri SuperMimic yazarlarıyla bağlantıları olmadığını belirtir. Bu depoların sonuçları simülasyondadır, gerçek robot sonucu SuperMimic'in kendi makalesinde yer alıyor.
Dizüstünden laboratuvara: hangi donanımla nereden başlanır?
Hareket izleme artık tek bir donanım sınıfına bağlı değil. Aşağıdaki tablo her düzey için kaynağın bildirdiği donanımı ve süreyi yan yana koyar. Bir dizüstünde yöntemi anlamakla başlayıp laboratuvarda gerçek G1'e uzanan bir yol çizebilirsiniz.
| Düzey | Donanım (kaynağa göre) | Proje | Kaynağın bildirdiği sonuç |
|---|---|---|---|
| Dizüstünde simülasyon | MacBook Pro, M4 Pro, 48 GB | MacMimic | Hedefe ortalama 21,6 dakika, 2000 iterasyonluk tam koşu yaklaşık 30 dakika |
| Tek tüketici GPU'su | NVIDIA RTX 4090 ya da RTX 5090 | BlinkMimic, InstantTrack (mjlab) | 40 LAFAN1 klibinde hedefe yaklaşık 3 dakika |
| İş istasyonu GPU'su | RTX PRO 6000 Blackwell ya da tek H100 | supermimic_vibed, SuperMimic | LAFAN1'de yaklaşık 1 saat, BONES-SEED'de yaklaşık 3 saat |
| Çok GPU'lu sunucu | 4 H100 ya da 4 ile 24 A100 | XMimic, ProtoMotions | LAFAN1'de 0,86 dakika, AMASS'ta 12 saat |
| Büyük ölçek ve gerçek G1 | GPU kümesi ve Unitree G1 | GEAR SONIC | 21 bin GPU saati, 124 sekansla gerçek G1 değerlendirmesi |
MacMimic'in hız karşılaştırması aynı Mac üzerindedir. BlinkMimic'in bu depodaki MLX portu hedefe 44 dakikada ulaştı, MacMimic 2,04 kat daha hızlı. README, karşılaştırmanın orijinal CUDA koduyla değil kendi MLX portlarıyla yapıldığını ve BlinkMimic'in hedefte biraz daha yüksek hassasiyete (0,847'ye karşı 0,822) ulaştığını not eder. mjlab ise macOS'u değerlendirme için destekler, eğitim için NVIDIA GPU ister.
Gerçek robot aşaması için Unitree G1 EDU gerekir. Laboratuvar kurulumunu tek pakette düşünen ekipler için G1 Ar-Ge platformu sayfası hazırlandı.
Veri ve lisans dikkatleri
Yöntemlerin çoğu açık lisanslı kodla gelir, ama eğitim verisinin lisansı ayrıdır ve çoğu zaman daha dardır. Ticari bir ürün planlıyorsanız veri satırını kod satırından önce okuyun.
| Veri | İçerik | Lisans | Kullanan projeler |
|---|---|---|---|
| LAFAN1 (Ubisoft La Forge) | 5 oyuncu, 77 sekans, 30 fps'de yaklaşık 4,6 saat | CC BY-NC-ND 4.0 (ticari olmayan, türev yasak) | BeyondMimic, InstantTrack, BlinkMimic, XMimic, MacMimic, supermimic_vibed |
| LAFAN1'in G1 yeniden hedeflemesi (Hugging Face, lvhaidong/LAFAN1_Retargeting_Dataset) | G1, H1 ve H1_2 için hareketler | Veri kartı LAFAN1 lisansını belirtir, kod MIT | Aynı projeler |
| AMASS (Max Planck Enstitüsü) | Birleştirilmiş hareket yakalama arşivi | Ticari olmayan bilimsel araştırma lisansı, yeniden dağıtım yasak | ProtoMotions |
| BONES-SEED (Bones Studio) | 142 binden fazla hareket, yaklaşık 288 saat, SOMA ve G1 biçimleri | BONES-SEED License: akademi ve yıllık geliri 1 milyon USD altındaki girişimler, öteki kurumlar için ayrı ticari lisans | GEAR SONIC, SuperMimic, ProtoMotions |
LAFAN1 kullanan depoların hepsi aynı noktayı vurgular: veri depoya konmaz, kurulumda indirilir. Bu veriden türeyen kontrol noktaları ve videolar MIT kapsamında değildir, ticari olmayan araştırma içindir. G1'in robot tanımı ise BSD-3-Clause lisanslıdır. BONES-SEED'in maddeleri BONES-SEED rehberimizde tek tek açıklanıyor.
Simülasyondan gerçek G1'e geçiş
Simülasyonda başarılı bir politika gerçek G1'e iki aşamada taşınır. Önce eğitimin yapıldığı fizik motorundan farklı bir motorda, çoğunlukla MuJoCo'da sim2sim sınaması yapılır. Ardından aynı çıkarım kodu robota bağlanır. Gerçek G1 sonucu yayımlayan üç akış farklı yollar izliyor:
- BeyondMimic: HybridRobotics'in motion_tracking_controller deposu ROS 2 Jazzy ve legged_control2 üzerinde, ONNX politikasını CPU'da çalıştıran C++ çıkarım hattıdır. Aynı paket MuJoCo sim2sim ve Ethernet üzerinden gerçek robot başlatıcısını içerir. Politika Unitree kumandasıyla başlatılır ve B tuşu acil durdurmadır.
- GEAR SONIC: dağıtım C++ ve TensorRT ile yapılır, G1 üstündeki Jetson Orin için JetPack 6 ve TensorRT 10.7 gerekir. Ayrıntılar GEAR SONIC rehberimizde.
- ProtoMotions: BONES-SEED ile eğitilen izleyici ONNX'e aktarılır, MuJoCo'da sınanır ve RoboJuDo çatısıyla gerçek G1'e bağlanır. Adımlar ProtoMotions rehberimizde.
Yalnız simülasyonda sonuç veren depolarda bu aşama kullanıcıya kalır. MacMimic README'si politikanın fiziksel bir robotta çalıştırılmadığını açıkça yazar. Bu depoların ürettiği politikayı robota taşımadan önce MuJoCo'da sim2sim sınaması yapın ve robotu askı ya da destekle koruyun. Unitree'nin kendi pekiştirmeli öğrenme akışı için RL Gym sayfamıza, MuJoCo simülatörünün Türkçe belgeleri için unitree-mujoco-turkce depomuza bakabilirsiniz.
Sık sorulan sorular
Hareket izleme ile taklit öğrenme aynı şey mi?
Yakın akrabadırlar. Hareket izlemede politika bir referans hareketi eklem düzeyinde izler ve simülasyonda pekiştirmeli öğrenmeyle eğitilir. Taklit öğrenme ise çoğunlukla teleoperasyonla toplanan gösterimlerden görev politikası öğrenir. Bu ikinci akış için LeRobot rehberimize bakabilirsiniz.
Robot almadan hangi projeyle başlayabilirim?
Apple silicon bir dizüstünüz varsa MacMimic, tek bir RTX 4090 ya da 5090'ınız varsa BlinkMimic ya da InstantTrack iyi bir başlangıçtır. Üçü de 40 LAFAN1 klibini simülasyonda dakikalar ile yarım saat arasında öğrenir.
Hangi yöntemler gerçek G1'de sonuç yayımladı?
BeyondMimic, SuperMimic, GEAR SONIC ve ProtoMotions. Sonuçlar ilgili makalelerde ve NVIDIA'nın proje sayfalarında yer alıyor.
LAFAN1 ile eğitilen bir politikayı ürünümde kullanabilir miyim?
LAFAN1 CC BY-NC-ND 4.0 lisanslıdır. Depolar bu veriden türeyen kontrol noktalarını ticari olmayan araştırmayla sınırlar. Ticari kullanım için lisansı uygun bir veriyle yeniden eğitin ve hukuk ekibinizle görüşün.
SONIC ile SuperMimic arasındaki fark nedir?
SONIC büyük veriyle ve binlerce GPU saatiyle hareket izlemeyi ölçekler, gerçek G1 dağıtım yığınıyla birlikte gelir. SuperMimic aynı veri ailesinde türevlenebilir bir dünya modeliyle eğitimi tek GPU'ya indirir. Makalesine göre politika gerçek G1'e aktarıldı.
Türkçe kaynak var mı?
Evet. unitree-g1-hareket-taklidi-arastirma deposu bu yazının karşılaştırma tablolarını, veri lisanslarını ve kaynak listesini Türkçe olarak topluyor.
Türkiye'de Unitree G1 ile hareket taklidi çalışmaları
Robotlar.org, Unitree Robotics Türkiye Resmi Distribütörü olarak G1 ailesiyle araştırma yapan üniversite ve şirket ekipleriyle çalışıyor. Bu yazının tablolarını ve kaynak listesini unitree-g1-hareket-taklidi-arastirma deposunda Türkçe olarak topladık. NVIDIA tarafındaki projelerin bütün resmi için NVIDIA insansı hareket ailesi merkez rehberimize, GR00T akışı için Unitree G1 ve Isaac GR00T rehberimize göz atabilirsiniz.
Hareket taklidi çalışmasının hangi düzeyde başlayacağını keşif görüşmesinde sizinle birlikte belirliyoruz. Kimi ekip dizüstünde yöntemi anlamakla başlar, kimi doğrudan G1 EDU ile gerçek robotta sim2real çalışmasına geçer. Yapılandırma ve fiyat için G1 EDU teklif sayfasını ya da kurumsal teklif formunu kullanabilirsiniz. Laboratuvar kurulumu için G1 Ar-Ge platformu, ders ve eğitim programları için Unitree eğitim çözümleri sayfalarımız hazır.
Kaynaklar
- arXiv 2508.08241, BeyondMimic: From Motion Tracking to Versatile Humanoid Control via Guided Diffusion
- BeyondMimic project page
- HybridRobotics/whole_body_tracking (BeyondMimic motion tracking code)
- HybridRobotics/motion_tracking_controller (sim2sim, sim2real)
- arXiv 2610.28480, SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model
- SuperMimic project page
- HybridRobotics/supermimic
- zita-ch/supermimic_vibed
- Huy-Quang-Dao/InstantTrack
- fuyichen0725/BlinkMimic
- arXiv 2611.20452, XMimic and XSoma: Learning Humanoid Motion Tracking and Locomotion in Under a Minute
- nico-bohlinger/xmimic
- MacMimic project page
- air23zj/macmimic
- arXiv 2601.22074, mjlab: A Lightweight Framework for GPU-Accelerated Robot Learning
- mujocolab/mjlab
- arXiv 2511.07820, SONIC: Supersizing Motion Tracking for Natural Humanoid Whole-Body Control
- NVlabs/GR00T-WholeBodyControl (GEAR SONIC)
- nvidia/GEAR-SONIC, Hugging Face
- NVlabs/ProtoMotions
- Ubisoft La Forge, LAFAN1
- LAFAN1_Retargeting_Dataset, Hugging Face
- AMASS license
- BONES-SEED, Hugging Face
- unitree-g1-hareket-taklidi-arastirma

