RobotDancing:
Unitree G1'e 3 Dakika Kesintisiz Dans Ettiren RL.
TU München ve BAAI liderliğindeki ekip, residual-action RL ile Unitree G1'e zıplama, dönüş ve takla içeren çok dakikalık koreografileri — simülasyondan gerçek robota sıfır ayarla (zero-shot) — takip ettirdi. Bu incelemede: yöntemin fikri, sayısal sonuçları, G1/H1/H1-2 kapsamı ve aynı hattı Türkiye'de kendi G1 EDU'nuzda nasıl kuracağınız.
Hızlı Bakış — Çalışma 4 Cümlede
Problem
İnsansı robotlarda dakikalar süren dinamik hareket takibi: klasik RL politikaları uzun sekanslarda hata biriktirir, agresif hareketlerde düşer.
Fikir
Politika hareketi sıfırdan üretmesin; retarget edilmiş insan hareketinin üzerine yalnızca kalça/diz pitch eklemlerinde küçük düzeltmeler eklesin.
Sonuç
Eklem takip hatasında %20,5'e varan azalma; gerçek G1'de ≈3'er dakikalık 5 dans sekansı — zıplama, dönüş, takla dahil — zero-shot oynatıldı.
Donanım
Unitree G1 ana platform (H1/H1-2 doğrulama); politika robotun üzerindeki Jetson Orin NX'te TorchScript olarak 50 Hz'de koşuyor.
Uzun ufuklu hareket takibi: RL'nin kör noktası
Bir insansıya 10 saniyelik hareket taklit ettirmek çözülmüş sayılır; sorun dakikalar boyunca zıplama, dönüş ve takla gibi yüksek enerjili geçişleri kesintisiz sürdürmektir. Politika mutlak eklem komutları ürettiğinde her adımın küçük hatası bir sonrakine taşınır; sekans uzadıkça sapma büyür ve robot referanstan kopar ya da düşer.
RobotDancing'in cevabı, kontrol literatüründeki eski bir fikri modern RL'ye taşımak: referans hareketi bel kemiği olarak koru, öğrenmeyi yalnızca dinamiklerin zorlandığı yerdeki düzeltmelere harca. Simülasyonda RL eğitiminin genel çerçevesi için Unitree RL Gym rehberimize bakabilirsiniz.
| Boyut | Mutlak Komut (klasik) | Seçici Residual (RobotDancing) |
|---|---|---|
| Politikanın çıktısı | Mutlak eklem hedefleri — hareketi sıfırdan üretir | Referans üzerine küçük düzeltmeler (residual) |
| Öğrenme yükü | Hem 'ne yapılacağı' hem 'nasıl dengeleneceği' birlikte öğrenilir | Referans 'ne'yi verir; RL yalnızca dinamik farkları kapatır |
| Uzun sekanslarda kararlılık | Hata birikir; dakikalar süren sekanslarda sapma büyür | Referansa bağlı kaldığı için çok dakikalık takip mümkün |
| Hangi eklemler düzeltilir? | Tümü (ya da hiçbiri) — ayrım yapılmaz | Seçici: yalnızca kalça ve diz pitch eklemleri residual alır |
| Ablasyondaki sonuç | Taban (NONE): en yüksek takip hatası | SELECTIVE: eklem konum hatasında %20,5'e varan azalma |
Yöntem: veriden gerçek robota 5 aşama
Çerçevenin tamamı tek aşamalıdır — ayrı bir öğretmen politikası, hareket öncesi optimizasyonu veya test-anı ince ayarı yoktur.
Referans: LAFAN1 dans verisi
Hareket kaynağı, insan hareket yakalama arşivi LAFAN1'in Unitree tarafından G1/H1/H1-2 iskeletlerine yeniden hedeflenmiş (retargeted) sürümüdür — Hugging Face'te kamuya açık. Çalışmada 8 dans sekansı (her biri ≈3 dakika) ve bir yürüyüş sekansı kullanılır.
Seçici residual eylemler
Politika mutlak eklem komutu üretmez; referansın üzerine eklem uzayında düzeltme ekler: hedef açı = referans açı + düzeltme. Üstelik her ekleme değil — istatistiksel olarak kararlı eklemler referansı doğrudan geçirir, dinamik yükü taşıyan kalça ve diz pitch eklemleri residual alır.
Tek aşamalı PPO eğitimi
Asimetrik actor-critic mimarili standart PPO: aktör yalnızca propriyosepsiyon (eklem konum/hızları, gövde yönelimi, açısal hız, son eylem) ve referans eklem hedeflerini görür; kritik ek olarak taban hızı, uzuv konum referansları ve rastgeleleştirilmiş fizik parametrelerine erişir.
Domain randomization
Uzuv kütle/ataletleri, zemin sürtünmesi, motor/PD kazançları ile küçük algı-eyleyici gecikme ve gürültüleri eğitim boyunca rastgeleleştirilir. Sim-to-real boşluğunu kapatan bu çeşitlilik sayesinde politika, gerçek robota hiçbir test-anı ayarı yapılmadan aktarılır.
Dağıtım: Orin NX, 50 Hz
Eğitilen politika TorchScript'e aktarılır ve G1'in üzerindeki NVIDIA Jetson Orin NX'te 50 Hz kontrol döngüsüyle koşar. MuJoCo'daki sim-to-sim doğrulama gerçek robot davranışını yansıtır; ardından zıplama, dönüş ve takla içeren çok dakikalık sekanslar zero-shot oynatılır.
Neden "seçici"?
Makalenin ablasyonu net: düzeltmeyi her ekleme yaymak (ALL) da hiç uygulamamak (NONE) da, yalnızca dinamik yükü taşıyan kalça ve diz pitch eklemlerine uygulamaktan (SELECTIVE) daha kötü sonuç veriyor. Doğru soru "residual mı değil mi" değil, "nerede residual".
SELECTIVE vs NONE: konum hatası −%15,7 ile −%20,5 arası, hız hatası −%4,3.
# Residual-action kontrol kurali (eklem uzayinda): q_target(t) = q_reference(t+1) + a_policy(t) # a_policy yalnizca secili eklemlerde sifirdan farkli: # kalca pitch + diz pitch -> residual # diger tum eklemler -> referans dogrudan gecer # Dagitim: TorchScript -> Jetson Orin NX @ 50 Hz
Rakamlarla RobotDancing
eklem konum hatasında azalma (seçici residual vs mutlak komut)
kesintisiz sekans uzunluğu — LAFAN1'den 8 dans + 1 yürüyüş
G1 üzerindeki Jetson Orin NX'te TorchScript kontrol döngüsü
G1 (23) · H1-2 (21) · H1 (19) boyutlu eylem uzaylarıyla aynı çerçeve
| Varyant | Tanım | Sonuç |
|---|---|---|
| NONE (mutlak komut) | DeepMimic tarzı taban: politika mutlak eklem hedefleri üretir | Referans nokta — en yüksek hata |
| ALL (tüm eklemler residual) | Her serbestlik derecesine düzeltme uygulanır | Beş takip metriğinin dördünde seçici yaklaşımın gerisinde |
| SELECTIVE (makalenin önerisi) | Yalnızca kalça ve diz pitch eklemlerine residual | Küresel konum hatası −%15,7 · eklem hatası −%20,5 (NONE'a karşı) |
Kaynak: arXiv:2509.20717, Tablo I ablasyonu. Gerçek donanım testleri Unitree G1 üzerinde; 8 dans sekansının 5'i uçtan uca oynatıldı, 3'ü robot bakımı nedeniyle donanımda test edilmedi.
Neden yine Unitree G1?
Bu çalışma Unitree'nin değil; TU München, BAAI, Tsinghua ve Nanjing üniversitelerinden bağımsız bir ekibin. Buna rağmen platform seçimi G1 — tıpkı NVIDIA DreamDojo'nun resmî embodiment listesinde olduğu gibi. Erişilebilir fiyat, eklem seviyesinde SDK erişimi ve Unitree'nin kamuya açık retargeted LAFAN1 veri seti, G1'i dünya çapında insansı araştırmasının varsayılan test gövdesi hâline getirdi.
Politikanın robotun kendi Jetson Orin NX'inde 50 Hz'de koşması da önemli bir ayrıntı: harici iş istasyonu, kablo veya motion-capture altyapısı olmadan, sahada çalışan bir sistem bu.
| Robot | Eylem Uzayı | Çalışmadaki Rolü |
|---|---|---|
| Unitree G1 | 23 boyutlu residual eylem vektörü | Ana değerlendirme platformu — gerçek donanım dağıtımı |
| Unitree H1-2 | 21 boyutlu residual eylem vektörü | Çapraz platform doğrulama |
| Unitree H1 | 19 boyutlu residual eylem vektörü | Çapraz platform doğrulama |
Bilinen Sınırlar — makalenin kendi ifadeleriyle
- —Seçici residual ataması elle tasarlanmıştır; başka robot morfolojilerinde alt-optimal kalabilir.
- —Sistem henüz keyfî referanslar arasında genel hareket takibi yapamaz — sekans başına eğitim gerekir.
- —Yalnızca propriyosepsiyon kullanılır; kamera/LiDAR gibi dış algı yoktur, ortam engellerine tepki veremez.
- —Tork/ağırlık oranı pratik bir darboğaz olarak kalır — en patlayıcı insan hareketleri donanım sınırına takılır.
- —8 dans sekansının 5'i gerçek G1'de uçtan uca test edildi; 3'ü robot bakımı nedeniyle yalnızca simülasyonda doğrulandı.
- —Makalede resmî kod deposu paylaşılmamıştır; açık olan bileşen Unitree'nin retargeted LAFAN1 veri setidir.
Aynı hattı kendi G1'inizde kurmak
RobotDancing'in kullandığı yapı taşlarının çoğu bugün erişilebilir durumda: Unitree'nin retargeted LAFAN1 veri seti kamuya açık, simülasyonda RL eğitimi ve eklem seviyesinde kontrol G1 EDU ile mümkün. Eksik parça — makale kodu — yayımlanmamış olsa da, aynı residual fikrini kendi RL hattınızda uygulamanızın önünde teknik engel yok.
Unitree G1 / G1 EDU
Araştırma için gereken sürüm EDU'dur: eklem seviyesinde SDK erişimi, Jetson Orin NX (100 TOPS), ROS2 ve simülasyon desteği. Bu sayfadaki çalışmanın tüm gerçek robot deneyleri bu donanım sınıfında koşuyor. Türkiye'de yetkili distribütör fiyatı $24.500'den (G1 EDU $34.200'den) başlar.
Mühendislik desteği
Robotlar.org ekibi; G1 üzerinde simülasyon ortamı kurulumu, SDK/ROS2 yapılandırması ve teleoperasyon-veri kayıt hatlarını müşteri projelerinde uçtan uca kurdu. Üniversite ve Ar-Ge merkezleri için akademik fiyatlandırma ve eğitim paketi mevcut.
Sıkça Sorulan Sorular
RobotDancing nedir?
RobotDancing, TU München ve BAAI liderliğindeki bir araştırma ekibinin Eylül 2025'te yayımladığı akademik çalışmadır (arXiv:2509.20717). Unitree G1 insansı robotuna, yaklaşık 3'er dakikalık kesintisiz dans koreografilerini — zıplama, dönüş ve takla dahil — takip ettiren tek aşamalı bir pekiştirmeli öğrenme (RL) çerçevesi sunar. Politika simülasyonda eğitilir ve hiçbir test-anı değişikliği yapılmadan (zero-shot) gerçek robota aktarılır.
Residual-action (artık eylem) RL ne demek?
Politika, eklem komutlarını sıfırdan üretmek yerine referans hareketin üzerine küçük düzeltmeler (residual) ekler: hedef eklem açısı = referans açı + politikanın ürettiği düzeltme. Referans hareket zaten 'ne yapılacağını' söylediği için RL yalnızca dinamik farkları kapatmayı öğrenir; bu da eğitimi kararlı ve veri açısından verimli kılar.
Çalışmada hangi robotlar kullanıldı?
Ana platform Unitree G1'dir (23 boyutlu eylem uzayı); yöntem ayrıca Unitree H1-2 (21 boyut) ve H1 (19 boyut) üzerinde de doğrulanmıştır. Gerçek robot dağıtımında politika TorchScript'e aktarılıp G1'in üzerindeki NVIDIA Jetson Orin NX'te 50 Hz kontrol frekansıyla çalıştırılır.
Sonuçlar sayısal olarak ne kadar iyi?
Makaledeki ablasyona göre seçici residual yaklaşımı, klasik mutlak komut (DeepMimic tarzı) tabana kıyasla küresel gövde konum hatasını %15,7, ortalama gövde konum hatasını %18,2, eklem konum hatasını %20,5 ve gövde hız hatasını %4,3 azaltıyor. Gerçek G1 üzerinde LAFAN1 veri setinden 5 dans sekansı (~3'er dakika) uçtan uca oynatıldı; kalan 3 sekans robot bakımı nedeniyle gerçek donanımda test edilemedi.
Kodu ve verisi açık mı?
Makalede resmî bir kod deposu belirtilmemiştir. Kullanılan hareket verisi ise kamuya açıktır: Unitree'nin G1, H1 ve H1-2 için yeniden hedeflenmiş (retargeted) LAFAN1 veri seti Hugging Face üzerinde yayımlanmıştır. Yani aynı referans hareketlerle kendi RL çalışmanızı bugün başlatabilirsiniz.
Bu Unitree'nin kendi çalışması mı?
Hayır. Çalışma TU München, Beijing Academy of Artificial Intelligence (BAAI), Tsinghua Üniversitesi ve Nanjing Üniversitesi araştırmacılarına aittir. Unitree'nin rolü donanım (G1/H1/H1-2) ve resmî retargeted LAFAN1 veri setidir. Bu tablo, G1'in dünyada bağımsız araştırma gruplarının standart insansı test platformu hâline geldiğini gösteriyor.
Kendi Unitree G1'imde benzer hareketler çalıştırabilir miyim?
Evet — bunun için ikincil geliştirmeye açık G1 EDU konfigürasyonu gerekir: eklem seviyesinde SDK erişimi, Jetson Orin NX ve simülasyon desteği içerir. Tipik akış; Unitree'nin retargeted LAFAN1 verisiyle simülasyonda RL politikası eğitmek, MuJoCo'da sim-to-sim doğrulamak ve politikayı Orin NX'e dağıtmaktır. Robotlar.org, Türkiye yetkili distribütörü olarak G1 EDU tedariki, SDK/simülasyon kurulumu ve eğitim desteği sağlar.
RobotDancing ile NVIDIA DreamDojo'nun farkı nedir?
İkisi tamamlayıcı iki katmandır: RobotDancing, fizik motorunda RL ile eğitilen bir hareket takip (locomotion) kontrolcüsüdür — robotun gövdesini sürer. DreamDojo ise videodan öğrenilmiş bir dünya modelidir — manipülasyon politikalarını sanal ortamda değerlendirmek ve planlamak için kullanılır. Bir G1 üzerinde ikisi birlikte düşünülebilir: alt gövde kontrolü RL'den, üst seviye görev zekâsı dünya modeli/VLA katmanından gelir.
Kaynaklar
RobotDancing Makalesi (arXiv)
Orijinal çalışma: yöntem, ablasyonlar ve gerçek robot deneyleri (Sun, Peng ve ark., 2025).
LAFAN1 Retargeting Veri Seti
Unitree'nin G1/H1/H1-2 için yeniden hedeflenmiş hareket verisi — çalışmanın referans kaynağı.
Unitree G1 Ürün Sayfası
Spesifikasyonlar, varyantlar ve Türkiye distribütör fiyatlandırması.
robotlar.org Destek
G1 EDU tedariki, simülasyon/SDK kurulumu ve araştırma danışmanlığı.
Araştırmayı Okumak Ayrı,
Robotta Koşturmak Ayrı.
İnsansı hareket araştırması, RL/simülasyon kurulumu veya G1 EDU tedariki için Türkiye'deki Unitree teknik ekibimizle konuşun.