Humanoid-GPT: Scaling Data and Structure for Zero-Shot Motion Tracking

核心要点

问题/背景

Humanoid-GPT 将 humanoid motion tracking 从小数据 MLP tracker 推向 GPT-style causal Transformer 和 billion-scale motion corpus。

方法/机制

论文统一 retarget 主要 mocap 数据集和大规模内部记录，训练单一生成式 Transformer 追踪复杂高动态行为，并展示零样本泛化到未见动作和控制任务。

结果/证据

它值得收录，因为 humanoid control 正在明显转向 foundation-policy scaling，数据规模和序列模型结构可能成为可复用路线。

收录价值

按当前收录规则，它属于近期值得正式跟踪的可复用方法或系统模式；但作为新近预印本，后续仍需要代码、复现和真实部署结果来确认长期影响。