让动作听指挥Kimodo全身关键帧/末端执行器/2D路径约束全解析【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/kimodoKimodo 是一款开源的运动扩散模型能根据文字提示生成高质量 3D 人体与机器人动作。而真正让生成结果听指挥的是它的约束系统全身关键帧、末端执行器、2D 路径与路径点。本文将带你快速搞懂这 4 类约束的原理、JSON 格式和实操技巧配合后处理与 CFG 权重让生成动作精准落在你想要的位置和姿态上。一、为什么约束比纯文字提示更可控Kimodo 在 700 小时光学动捕数据上训练支持 SOMA、G1 机器人、SMPL-X 三类骨架核心能力是文字驱动 运动学约束驱动的双通道控制。纯文字提示擅长描述做什么走路、挥手、跳舞但无法保证第 60 帧手必须恰好碰到某个物体角色的移动路线必须经过某几个点某一帧必须保持一个特定姿势约束就是为此设计的——它们是带时间定位的信号把动作在特定帧钉到目标空间位置上其余部分仍由模型自由补全保证动作自然。二、四类约束速览一张图看懂官方文档用一张总览图概括了约束类型与时间轴的关系建议新手先建立整体印象约束类型JSONtype控制内容典型场景全身关键帧fullbody指定帧的全部关节位置 根节点位置定格某个姿势、动作衔接末端执行器left-hand/right-hand/left-foot/right-foot/end-effector手腕/脚跟位置与朝向抓握、触碰、落脚步2D 路径点稀疏root2d地面上的若干引导点控制行走路线大方向2D 路径密集root2d连续稠密地面轨迹精确贴合一条完整路径脚部接触训练已支持脚尖/脚跟接触模式目前演示与 Python API 暂未开放前两者属于关键帧式约束作用于单个帧或稀疏帧后两者属于根节点轨迹约束作用于 2D 地面平面上的根位置。三、全身关键帧约束把一整帧姿势钉死fullbody约束在指定帧上同时约束平滑根位置 全部关节位置。你在 JSON 中提供的是每个关节的轴角旋转local_joints_rot和根臀部位置root_positions模型内部通过正向运动学FK算出关节位置再对这些位置施加约束。一个最小示例长这样[ { type: fullbody, frame_indices: [60], root_positions: [[0.0, 0.96, 1.5]], local_joints_rot: [[[0.0, 0.0, 0.0], ... 每个关节一个 [3] ...]] } ]root_positions中 Y 是绝对臀高站立约 0.9 m蹲下更低XZ 相对原点仓库里可直接参考带完整数据的示例03_full_body_keyframes/constraints.json它在第 59、106、148 帧各钉了一个全身姿势实操技巧不必手写旋转数组。在交互演示kimodo_demo中开启编辑模式直接在 3D 视图里拖关节调整姿势约束会自动写回时间轴四、末端执行器约束手和脚的精确落点全身关键帧太重手end-effector类约束只管手或脚身体其余部分保持自由这是做接触类动作握手、按按钮、踩点的最佳选择。手部约束手腕位置与旋转 手掌末端位置脚部约束脚跟位置与旋转 脚尖位置left-hand/right-hand/left-foot/right-foot都是end-effector的快捷写法通用写法end-effector可加joint_names字段任意组合骨骼上可用的末端仓库中 02_multi_text_ee_constraint/constraints.json 展示了多段文字 左手在第 40、155 帧触碰目标的组合用法文字负责动作风格末端执行器约束负责落点精度两者叠加后控制力远超单一提示词。五、2D 路径与路径点约束给角色铺设行走路线root2d类型同时承载两种模式区别只在frame_indices的密度1. 稀疏路径点Waypoints[ { type: root2d, frame_indices: [0, 87, 169, 240], smooth_root_2d: [[0.0, 0.0], [0.5, 0.3], [-0.4, 1.2], [0.0, 2.0]] } ]在几个帧上给出[x, z]地面坐标模型自行规划中间的走法。参考 06_root_waypoints/constraints.json。2. 稠密 2D 路径Path逐帧给出轨迹适合需要严格贴合路线的场景如沿地形走、绕开障碍。参考 05_root_path/constraints.json。约束作用于 Kimodo 生成的平滑根表示的 2D 分量因此路径天然是平滑的实操技巧在演示界面的 Root 2D Options 中勾选Make Smooth Path已布好的路径点会自动转成稠密平滑路径首尾帧没有路径点时会自动补上。还可以选填global_root_heading[cos θ, sin θ]方向向量来同时约束朝向。六、实操流程从演示界面到命令行第一步在时间轴上布置约束。启动kimodo_demo本地 http://127.0.0.1:7860时间轴上可添加文字提示和多个约束轨道约束支持单帧或区间两种定位方式第二步保存约束。点击Save Constraints即可导出标准 JSON避免手写格式出错。第三步命令行生成。用kimodo_gen加载约束文件kimodo_gen --prompt A person walks forward --constraints my_constraints.json --model somarp --duration 5关键参数速查参数作用--constraints约束 JSON 文件路径--cfg_type/--cfg_weightCFG 引导separated模式可分别调节文字与约束权重--no-postprocess关闭后处理默认开启建议保持开启完整的字段定义含坐标系、smooth_root_2d、root_positions、local_joints_rot等见 docs/source/user_guide/constraints.md概念解释见 docs/source/key_concepts/constraints.md 对应的 constraints.md。⚠️坐标系要点所有约束值为Y 向上、单位米第 0 帧根节点默认在地面原点(0, 0)初始朝向由生成参数first_heading_angle控制默认 0面向 Z。约束不要求从第 0 帧开始从第 45 帧开始约束完全合法只要从起始姿态可达即可。七、两个关键调优开关CFG 权重与后处理1. CFG 分离权重--cfg_type separated允许为文字和约束设置不同的引导强度。当约束和文字打架时比如约束要求站立、文字要求奔跑优先调整这个权重而不是硬改约束。2. 后处理Post-Processing神经网络很难 100% 精确命中约束Kimodo 默认会在生成后跑一次轻量优化平滑微调关节使动作精确命中约束并清理滑步。对脚部接触和约束精度要求高的场景务必保持开启实现见 kimodo/postprocess.py。注意该优化目前对 G1 机器人骨架效果欠佳。最终动作可导出并渲染验证例如在 MuJoCo 中查看 G1 机器人动作八、新手最佳实践清单来自官方 docs/source/key_concepts/limitations.md 的实战经验✅ 每条约束受约束帧数少于 20时效果最佳密集根路径除外——Kimodo 主要按稀疏关键帧训练✅ 约束不要与文字提示互相矛盾冲突会导致伪影或约束被忽略✅ 文字提示以 A person... 开头每条提示聚焦 1~2 个动作✅ 多提示拼接时每条提示要能独立成立包含上下文信息⏱️ 每条提示最长生成10 秒✅ 追求约束精度时开启后处理G1 骨架除外总结Kimodo 的约束体系可以概括为一句话全身关键帧定姿势、末端执行器定手脚、2D 路径定路线。三者与文字提示自由组合再配合 CFG 分离权重和后处理优化就能让生成动作从大概像进化为精确到位。建议从交互演示的 Examples 面板加载 内置示例 入手——每个示例都附带约束 JSON是最直观的学习材料。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
让动作听指挥：Kimodo全身关键帧/末端执行器/2D路径约束全解析
让动作听指挥Kimodo全身关键帧/末端执行器/2D路径约束全解析【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/kimodoKimodo 是一款开源的运动扩散模型能根据文字提示生成高质量 3D 人体与机器人动作。而真正让生成结果听指挥的是它的约束系统全身关键帧、末端执行器、2D 路径与路径点。本文将带你快速搞懂这 4 类约束的原理、JSON 格式和实操技巧配合后处理与 CFG 权重让生成动作精准落在你想要的位置和姿态上。一、为什么约束比纯文字提示更可控Kimodo 在 700 小时光学动捕数据上训练支持 SOMA、G1 机器人、SMPL-X 三类骨架核心能力是文字驱动 运动学约束驱动的双通道控制。纯文字提示擅长描述做什么走路、挥手、跳舞但无法保证第 60 帧手必须恰好碰到某个物体角色的移动路线必须经过某几个点某一帧必须保持一个特定姿势约束就是为此设计的——它们是带时间定位的信号把动作在特定帧钉到目标空间位置上其余部分仍由模型自由补全保证动作自然。二、四类约束速览一张图看懂官方文档用一张总览图概括了约束类型与时间轴的关系建议新手先建立整体印象约束类型JSONtype控制内容典型场景全身关键帧fullbody指定帧的全部关节位置 根节点位置定格某个姿势、动作衔接末端执行器left-hand/right-hand/left-foot/right-foot/end-effector手腕/脚跟位置与朝向抓握、触碰、落脚步2D 路径点稀疏root2d地面上的若干引导点控制行走路线大方向2D 路径密集root2d连续稠密地面轨迹精确贴合一条完整路径脚部接触训练已支持脚尖/脚跟接触模式目前演示与 Python API 暂未开放前两者属于关键帧式约束作用于单个帧或稀疏帧后两者属于根节点轨迹约束作用于 2D 地面平面上的根位置。三、全身关键帧约束把一整帧姿势钉死fullbody约束在指定帧上同时约束平滑根位置 全部关节位置。你在 JSON 中提供的是每个关节的轴角旋转local_joints_rot和根臀部位置root_positions模型内部通过正向运动学FK算出关节位置再对这些位置施加约束。一个最小示例长这样[ { type: fullbody, frame_indices: [60], root_positions: [[0.0, 0.96, 1.5]], local_joints_rot: [[[0.0, 0.0, 0.0], ... 每个关节一个 [3] ...]] } ]root_positions中 Y 是绝对臀高站立约 0.9 m蹲下更低XZ 相对原点仓库里可直接参考带完整数据的示例03_full_body_keyframes/constraints.json它在第 59、106、148 帧各钉了一个全身姿势实操技巧不必手写旋转数组。在交互演示kimodo_demo中开启编辑模式直接在 3D 视图里拖关节调整姿势约束会自动写回时间轴四、末端执行器约束手和脚的精确落点全身关键帧太重手end-effector类约束只管手或脚身体其余部分保持自由这是做接触类动作握手、按按钮、踩点的最佳选择。手部约束手腕位置与旋转 手掌末端位置脚部约束脚跟位置与旋转 脚尖位置left-hand/right-hand/left-foot/right-foot都是end-effector的快捷写法通用写法end-effector可加joint_names字段任意组合骨骼上可用的末端仓库中 02_multi_text_ee_constraint/constraints.json 展示了多段文字 左手在第 40、155 帧触碰目标的组合用法文字负责动作风格末端执行器约束负责落点精度两者叠加后控制力远超单一提示词。五、2D 路径与路径点约束给角色铺设行走路线root2d类型同时承载两种模式区别只在frame_indices的密度1. 稀疏路径点Waypoints[ { type: root2d, frame_indices: [0, 87, 169, 240], smooth_root_2d: [[0.0, 0.0], [0.5, 0.3], [-0.4, 1.2], [0.0, 2.0]] } ]在几个帧上给出[x, z]地面坐标模型自行规划中间的走法。参考 06_root_waypoints/constraints.json。2. 稠密 2D 路径Path逐帧给出轨迹适合需要严格贴合路线的场景如沿地形走、绕开障碍。参考 05_root_path/constraints.json。约束作用于 Kimodo 生成的平滑根表示的 2D 分量因此路径天然是平滑的实操技巧在演示界面的 Root 2D Options 中勾选Make Smooth Path已布好的路径点会自动转成稠密平滑路径首尾帧没有路径点时会自动补上。还可以选填global_root_heading[cos θ, sin θ]方向向量来同时约束朝向。六、实操流程从演示界面到命令行第一步在时间轴上布置约束。启动kimodo_demo本地 http://127.0.0.1:7860时间轴上可添加文字提示和多个约束轨道约束支持单帧或区间两种定位方式第二步保存约束。点击Save Constraints即可导出标准 JSON避免手写格式出错。第三步命令行生成。用kimodo_gen加载约束文件kimodo_gen --prompt A person walks forward --constraints my_constraints.json --model somarp --duration 5关键参数速查参数作用--constraints约束 JSON 文件路径--cfg_type/--cfg_weightCFG 引导separated模式可分别调节文字与约束权重--no-postprocess关闭后处理默认开启建议保持开启完整的字段定义含坐标系、smooth_root_2d、root_positions、local_joints_rot等见 docs/source/user_guide/constraints.md概念解释见 docs/source/key_concepts/constraints.md 对应的 constraints.md。⚠️坐标系要点所有约束值为Y 向上、单位米第 0 帧根节点默认在地面原点(0, 0)初始朝向由生成参数first_heading_angle控制默认 0面向 Z。约束不要求从第 0 帧开始从第 45 帧开始约束完全合法只要从起始姿态可达即可。七、两个关键调优开关CFG 权重与后处理1. CFG 分离权重--cfg_type separated允许为文字和约束设置不同的引导强度。当约束和文字打架时比如约束要求站立、文字要求奔跑优先调整这个权重而不是硬改约束。2. 后处理Post-Processing神经网络很难 100% 精确命中约束Kimodo 默认会在生成后跑一次轻量优化平滑微调关节使动作精确命中约束并清理滑步。对脚部接触和约束精度要求高的场景务必保持开启实现见 kimodo/postprocess.py。注意该优化目前对 G1 机器人骨架效果欠佳。最终动作可导出并渲染验证例如在 MuJoCo 中查看 G1 机器人动作八、新手最佳实践清单来自官方 docs/source/key_concepts/limitations.md 的实战经验✅ 每条约束受约束帧数少于 20时效果最佳密集根路径除外——Kimodo 主要按稀疏关键帧训练✅ 约束不要与文字提示互相矛盾冲突会导致伪影或约束被忽略✅ 文字提示以 A person... 开头每条提示聚焦 1~2 个动作✅ 多提示拼接时每条提示要能独立成立包含上下文信息⏱️ 每条提示最长生成10 秒✅ 追求约束精度时开启后处理G1 骨架除外总结Kimodo 的约束体系可以概括为一句话全身关键帧定姿势、末端执行器定手脚、2D 路径定路线。三者与文字提示自由组合再配合 CFG 分离权重和后处理优化就能让生成动作从大概像进化为精确到位。建议从交互演示的 Examples 面板加载 内置示例 入手——每个示例都附带约束 JSON是最直观的学习材料。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考