Metatron-v1：NVIDIAの静かなヒューマノイドポリシーは言語モデルではない

2026年10月27日遅く、nvidia/Metatron-v1 というリポジトリが Hugging Face に現れた。プレスリリースも、NVIDIA 自身のブログへの投稿もなく——そのブログでこの名前を検索しても、今なお「No Results Found」と返ってくるだけだ——論文も製品ページもなかった。現れたのは、それぞれ約403 MBの2つのONNXファイル、ライセンス、NOTICEファイル、そしてUnitree G1ヒューマノイド向けの学習済み歩行・復帰コントローラを説明するモデルカードだった。Metatron-v1は言語モデルではなくロボティクスポリシーであり、それについて知る価値のあることのほとんどは、ほかに読むものが存在しないため、すべてそのカードから読み取らなければならない。

リポジトリ自身のカウンターが、これがいかに静かに世に出たかを物語っている。{{1}}UTC 21:43から22:32までの6件のコミット、3件のいいね、そして意味のあるダウンロード数はまったくない — ページにはこのモデルのダウンロードは追跡されていないとあり、APIはゼロを報告している。{{/1}} これはローンチではない。ドキュメントを添えてNVIDIAのオープンモデルライセンスの下で公開され、誰かが見つけるのに任された、エクスポートダンプだ。

その名前こそが、最初に人を誤解させるものだ

Metatronは、NVIDIAの実際のオープン言語モデルファミリーであるNemotronと一文字しか違わず、その類似性はすでに悪影響を及ぼしています。同じHugging Faceの組織が両方を公開しており、このリポジトリのタグはrobotics / reinforcement-learning / humanoid、パイプラインタグはtext-generationではなくreinforcement-learningです。それでも、この名前がチャットモデルの隣に分類されるのを止められません。

それが重要であるのは、その比較が単に不利というだけではなく、無意味だからです。Metatron-v1 を Gemma 4 12B や Qwen 3.8 と並べる読者は、関節履歴と目標姿勢をモーター目標にマッピングするコントローラーを、テキストをテキストにマッピングするモデルの隣に置いていることになります。共有の入力も共有の出力もなく、それらを一つの軸に置けるベンチマークもありません。そのページの正直な版は一文になるでしょう。だからこそ、私たちはそれを書いていません。

ポリシーが消費するものと、ポリシーが生成するもの

このカードはテンソルについて異例なほど具体的で、それがこのカードの最も役立つ点です。単一ロボットのデモファイルは合計39個の入力を受け取ります:

• 現在のG1状態に加え、8つの過去状態サンプル — ポリシーは直近の動きの約0.1秒分を認識しており、単一のスナップショットではありません。

・受信した生のアクションと9エントリ分の生アクション履歴をペアにし、ネットワークがすでに何をしようとしていたかを判別できるようにした。

• マスクされた将来のポーズ、スタイル、速度の目標に、シーンボックスのコンテキストを加えたもの — これらの目標は一部が指定され、一部が空白であり、これはカードが示唆するMaskedMimicスタイルのインペインティングの考え方です。

関節PDターゲットをactionとして返し、ゲインをstiffnessおよびdampingとして返し、raw_actionを履歴フィードバック用に返します。これら3つの出力はロボットが制御レートで必要とするものであり、インターフェース内にテキストは一切ありません。

カード内の2つの主張は、他の部分から切り分けて検討する価値がある。1つ目は、歩行、シーン相互作用、リカバリが現在1つのポリシーを共有しているという点だ。カードは現在のエクスポートを、epoch-6410の「SAMP-capable unified student」であり、別個のリカバリアダプターを持たないものとして説明している。SAMPは明記されていないが、シーン認識モーションの文献ではStochastic Scene-Aware Motion Predictionの略であり、シーンボックスの入力はその解釈と整合する。この略語の展開はNVIDIAの表現ではなく、当方の推論として扱ってほしい。2つ目は、リカバリのターゲットが焼き込まれたゴールではなく、実行時のライブ入力のままであるという点だ。これは、転倒中に狙いを再設定できるポリシーと固定アニメーションの違いである。

2つのエクスポート、2つのランタイム、1つの重みセット

両方のファイルは同じ学習済みポリシーを異なるグラフレイアウトで保持しており、カードではそれらが置き換え可能ではないことが強く強調されています。デモファイルは1台のロボットを実行し、グラフ内に観測処理とアクション変換を含みます。Racerファイルは6台のロボットによるバッチ化ネットワークで、グラフ外で計算された観測を前提としており、そのバッチサイズは再構築と再検証なしには変更できません。

リポジトリ全体で唯一の数値はパリティチェックです。6台ロボットの経路を単一ロボットのデモ書き出しと、履歴で摂動を加えた60個の異なるテスト状態で比較し、最大絶対アクション誤差は5.55e-6でした。NVIDIAはまた、復帰高さ、復帰タイミング、アクション履歴、シーン入力を変化させ、出力がそれに応じて変化することを確認しました。これらはいずれもエクスポート工学上のチェックであり、2つのグラフが同じ関数を計算し、入力が正しく配線されていることを証明します。ロボットが直立を保つかどうかについては一切何も言及しておらず、カードにも直接こう書かれています。「これらは数値のエクスポートチェックであり、タスク成功率や実機ロボットのベンチマークではありません。」

NVIDIAが語っていないこと

不在のリストは存在のリストより長く、そしてそこが読者にとって最も重視すべき部分である。

• 私たちが確認できた発表、ブログ記事、論文、製品ページは一切なく、その名前でのNVIDIAのブログでの取り上げもまったくありませんでした。

• トレーニングの説明は2つのフレーズ — MaskedMimic 形式の transformer student、決定論的 prior と decoder — 以外にはなく、データ、計算資源、訓練目的に関する記載もありません。

・タスク成功率なし、転倒復帰率なし、sim-to-realの結果なし、独自に検証可能な動画もなし。

• トレーニングチェックポイントもデータセットもありません。カードには、このリポジトリが完全なトレーニング再現パッケージではないと明記されており、つまりここには微調整するものは何もありません。

安全に関する文言も同じくらい直接的だ。モデルは衝突回避システムでも安全コントローラーでもなく、ハードウェアでの使用には独立した検証、トルク制限、監督下でのテスト、緊急停止が必要であり、ゲーム側のアシスト——打ち上げブースト、低重力ゾーン、リスポーン——は、学習済みポリシーの能力ではなくアプリケーションの仕組みである。リスポーンは能力ではないとわざわざ明記するカードは、デモのどこまでがポリシーでどこまでがゲームなのかを、こちらに伝えている。

ライセンスは、何を取ってはいけないかを教えてくれます。

ファイルは NVIDIA Open Model License の下で公開されており、NOTICE.txt に帰属表示があり、2つの ONNX エクスポートを特に対象とする別個の許諾があります。その周辺のすべては除外されています。このリポジトリは、モーションデータセット、リカバリ用参照クリップ、ロボットメッシュ、ゲームアセット、第三者製ランタイムソフトウェアに関するいかなる権利も付与しておらず、NOTICE ファイルには「デモ専用モーションクリップの単体再配布」についての鋭い一文が追加されています — デモ内でクリップを表示する許可は、そのクリップに伴って移転するものではありません。

実際には、ポリシーファイルはライセンス条件の下で再配布できますが、このリポジトリからデモを再構築することはできません。なぜなら、メッシュ、クリップ、ランタイムコード、アプリケーション構成は別の場所で、それぞれ独自の条件の下で配布されているからです。カードには、公開ブラウザ配信にはファイルへの匿名アクセスが必要であることも記載されており、これはこのエクスポートが想定して作られた配信モデルに関するヒントです。

今日、これで実際に何かできるのは誰ですか

利用する人は多くなく、カードはその理由を正直に示している。ブラウザ統合では、物理演算にWebAssemblyへコンパイルしたMuJoCoを、推論にONNX Runtime Webを使用している。WebGPUを推奨しており、CPU/WASMへのフォールバックでは「6台のロボットによるリアルタイム動作は保証されない」。統合には、対応するランタイムマニフェストと、同一の関節およびボディの順序、クォータニオンの規約、履歴の順序、正規化、ターゲットマスク、制御レート、アクションマッピングが必要だ。どれか一つでも間違えると、ポリシーは平然と動作し続け、無意味な結果を出す。

ブラウザ外へのデプロイについても言及されています — 他のシミュレータや実機のG1ハードウェアなど — しかし手順は添付されておらず、このカードは、これらの正確なファイルがハードウェアで検証されたことを保証するものではないと明言しています。G1とMuJoCoシーンを持つ研究チームにとっては、始めるのに十分です。それ以外の人にとっては、参考資料にすぎません。

ルーターが適する場面と、適さない場面

Metatron-v1 を API 経由で呼び出すことはできませんし、ここで説明している内容によってそれが変わることもありません。NVIDIA が公開したのは、ホストされたエンドポイントではなく、シミュレーターの隣に読み込む一対のファイルです。私たちがルーティングするのは、ロボティクススタックのもう半分、つまりコントローラーを取り巻く言語処理です。ポリシーが制御を引き継ぐ前に書かれるタスク計画、実行後に要約されるテレメトリや障害ログ、構造化された目標に変換されるモーションキャプション。OrcaRouter は200以上のモデルを1つのキーでプロバイダーの定価どおり、マークアップなしで利用可能にし、いずれかのプロバイダーのエンドポイントがダウンすると自動的にフェイルオーバーします。これは、一晩で完了する評価ハーネスと、実行の半分を静かに失う評価ハーネスとの違いです。

それが接続の全体です。どのコントローラーをMuJoCoに読み込むべきかがあなたの問いなのであれば、この記事はそれを答える場所ではありませんし、どのようなルーティング判断も助けにはなりません。

この物語を変えるものは何でしょうか

4つのこと、おおよそ重要度の高い順に。実機でのタスク成功率の数値を伴う正式な発表があれば、モデルカードは単なる説明から主張へと変わります。学習チェックポイントまたはデータセットがあれば、ポリシーは固定ではなく適応可能になります。公開シミュレータでの独立した再現があれば、NVIDIA以外の誰かが、シーンとリカバリを統合した設計が機能するかどうかを言えるようになります。そして、一般公開されるアプリケーションバンドル——ブラウザデモと6台のロボットによるRacer——があれば、私たち残りの者も、ポリシーが実際に動いている姿を見ることができます。これはモデルカードには示せない唯一のことです。

{{1}}それまでは{{/1}}、興味深い事実は{{2}}方針{{/2}}ではない。それは{{3}}公開のパターン{{/3}}だ。{{4}}NVIDIA{{/4}}は{{5}}ヒューマノイド・コントローラー{{/5}}を{{6}}オープンハブ{{/6}}に{{7}}ライセンス{{/7}}と{{8}}入念な制限事項セクション{{/8}}付きで公開し、誰にも知らせず、{{9}}カード{{/9}}に{{11}}ローンチ投稿{{/11}}がかつて担っていた{{10}}重み{{/10}}を担わせた。{{12}}6つのコミット{{/12}}、{{13}}3つのいいね{{/13}}、そして一度も動き出さなかった{{14}}ダウンロードカウンター{{/14}}。{{16}}企業{{/16}}が{{17}}成果物{{/17}}こそが{{18}}発表{{/18}}だと決めたとき、{{15}}リリースとはこういうものだ{{/15}}。