Metatron-v1: cicha polityka NVIDII wobec humanoidów nie jest modelem językowym

Późnym wieczorem 27 października 2026 r. na Hugging Face pojawiło się repozytorium o nazwie nvidia/Metatron-v1. Nie było żadnej informacji prasowej, żadnego wpisu na blogu samego NVIDIA — wyszukiwanie tej nazwy na tym blogu nadal zwraca „No Results Found” — żadnej publikacji ani strony produktu. Pojawiły się za to dwa pliki ONNX o rozmiarze około 403 MB każdy, licencja, plik NOTICE oraz karta modelu opisująca wyuczony kontroler chodzenia i przywracania równowagi dla humanoida Unitree G1. Metatron-v1 to polityka sterowania robotem, a nie model językowy, i niemal wszystko, co warto o nim wiedzieć, trzeba odczytać z tej karty, ponieważ nie istnieje nic innego do czytania.

Własne liczniki repozytorium pokazują, jak cicho to wylądowało. Sześć commitów między 21:43 a 22:32 UTC, trzy polubienia i brak jakiejkolwiek istotnej liczby pobrań — strona podaje, że pobrania nie są śledzone dla tego modelu, podczas gdy API zgłasza zero. To nie jest premiera. To zrzut eksportowy z dołączoną dokumentacją, opublikowany na licencji NVIDIA Open Model i pozostawiony, by ktoś go znalazł.

Nazwa jest pierwszą rzeczą, która wprowadza w błąd.

Metatron dzieli tylko jedna litera od Nemotron, faktycznej otwartej rodziny modeli językowych NVIDIA, a to podobieństwo już wyrządza szkody: oba publikuje ta sama organizacja Hugging Face, tagi w tym repozytorium to robotics / reinforcement-learning / humanoid, a tag pipeline to reinforcement-learning, a nie text-generation. Nic z tego nie przeszkadza w tym, by nazwę tę umieszczano obok modeli czatu.

Ma to znaczenie, ponieważ to porównanie jest nie tylko niekorzystne — jest bezsensowne. Czytelnik, który zestawia Metatron-v1 z Gemma 4 12B lub Qwen 3.8, stawia kontroler odwzorowujący historię stawów i docelowe pozycje na cele silnikowe obok modeli, które odwzorowują tekst na tekst. Nie ma wspólnego wejścia, wspólnego wyjścia ani żadnego benchmarku, który mógłby umieścić je na jednej osi. Uczciwa wersja tej strony byłaby jednym zdaniem — dlatego go nie napisaliśmy.

Co polityka konsumuje i co produkuje

Karta jest niezwykle konkretna w kwestii tensorów, co jest jej najbardziej użyteczną cechą. Plik demonstracyjny pojedynczego robota przyjmuje łącznie 39 danych wejściowych:

• Bieżący stan G1 oraz osiem próbek historycznych stanów — polityka widzi około jednej dziesiątej sekundy ostatniego ruchu, a nie pojedynczą migawkę.

• Sparowano przychodzące surowe akcje z dziewięcioelementową historią surowych akcji, dzięki czemu sieć może rozpoznać, co już próbowała zrobić.

• Zamaskowane cele dotyczące przyszłej pozy, stylu i prędkości oraz kontekst ramki sceny — cele są częściowo określone, a częściowo puste, co stanowi ideę inpaintingu w stylu MaskedMimic, do której nawiązuje karta.

Zwraca zadane wartości PD stawów jako action, wzmocnienia jako stiffness i damping, oraz raw_action na potrzeby informacji zwrotnej o historii. Te trzy wyjścia to wszystko, czego robot potrzebuje przy częstotliwości sterowania; nigdzie w interfejsie nie ma tekstu.

Dwa twierdzenia z karty warto oddzielić od reszty. Pierwsze mówi, że chodzenie, interakcja ze sceną i odzyskiwanie współdzielą teraz jedną politykę — karta opisuje bieżący eksport jako epoch-6410 „zunifikowany student obsługujący SAMP”, bez osobnego adaptera odzyskiwania. SAMP nie jest rozwinięty, ale w literaturze dotyczącej ruchu świadomego sceny oznacza Stochastic Scene-Aware Motion Prediction, a wejścia scene-box pasują do tego odczytu; rozwinięcie traktujmy jako nasze wnioskowanie, a nie sformułowanie NVIDIA. Drugie mówi, że cele odzyskiwania pozostają aktywnymi wejściami czasu wykonania, a nie zapieczonymi celami, co stanowi różnicę między polityką, którą można na nowo wycelować w trakcie upadku, a stałą animacją.

Dwa eksporty, dwa środowiska uruchomieniowe, jeden zestaw wag

Oba pliki zawierają tę samą wyuczoną politykę w różnych układach grafu, a karta stanowczo podkreśla, że nie są one wymienne. Plik demonstracyjny obsługuje jednego robota i obejmuje przetwarzanie obserwacji oraz konwersję akcji wewnątrz grafu. Plik Racer to sieć wsadowa dla sześciu robotów, która oczekuje obserwacji obliczonych poza grafem, a jej rozmiaru wsadu nie można zmienić bez jej przebudowania i ponownej walidacji.

Jedyne liczby w całym repozytorium to kontrola zgodności: ścieżka sześciu robotów została porównana z eksportem demonstracyjnym pojedynczego robota na 60 różnych, zaburzonych historią stanach testowych, przy maksymalnym bezwzględnym błędzie akcji wynoszącym 5.55e-6. NVIDIA zmieniała także wysokość odzyskiwania, czas odzyskiwania, historię akcji i dane wejściowe sceny i potwierdziła, że dane wyjściowe zmieniały się w odpowiedzi. Oba te elementy to kontrole inżynierii eksportu — dowodzą, że oba grafy obliczają tę samą funkcję, a dane wejściowe są prawidłowo podłączone. Nie mówią absolutnie nic o tym, czy robot pozostaje w pozycji pionowej, a karta mówi to wprost: „To są numeryczne kontrole eksportu, a nie testy powodzenia zadania ani benchmarki na rzeczywistym robocie”.

Czego NVIDIA nie powiedziała

Lista nieobecności jest dłuższa niż lista obecności i to właśnie tę część czytelnik powinien rozważyć najpoważniej.

• Nie znaleźliśmy żadnego ogłoszenia, wpisu na blogu, publikacji ani strony produktu, a także żadnej wzmianki na blogu NVIDIA pod tą nazwą.

• Brak opisu treningu poza dwiema frazami — uczeń typu transformer w stylu MaskedMimic, deterministyczny prior i dekoder — oraz brak jakichkolwiek wskazówek dotyczących danych, mocy obliczeniowej czy celu treningu.

• Brak wskaźnika skuteczności wykonywania zadań, brak wskaźnika odzyskiwania po upadku, brak wyniku sim-to-real, brak wideo, które moglibyśmy niezależnie zweryfikować.

• Brak checkpointu treningowego i brak zbioru danych. Karta jasno stwierdza, że repozytorium nie jest kompletnym pakietem do odtworzenia treningu, co oznacza, że nie ma tu nic do dostrojenia.

Język dotyczący bezpieczeństwa jest równie bezpośredni: model nie jest systemem unikania kolizji ani kontrolerem bezpieczeństwa; użycie sprzętu wymaga niezależnej walidacji, ograniczeń momentu obrotowego, nadzorowanych testów i zatrzymania awaryjnego, a wspomagania po stronie gry — wzmocnienia startu, strefy niskiej grawitacji, respawny — są mechanikami aplikacji, a nie możliwościami wyuczonej polityki. Karta, która celowo podkreśla, że respawn nie jest możliwością, mówi coś o tym, jak duża część demonstracji to polityka, a jak duża to gra.

Licencja mówi, czego nie wolno ci zabierać.

Pliki są udostępniane na licencji NVIDIA Open Model License, z atrybucją w NOTICE.txt oraz odrębnym grantem obejmującym konkretnie dwa eksporty ONNX. Wszystko wokół nich jest wyłączone. Repozytorium nie przyznaje żadnych praw do zbiorów danych ruchu, klipów referencyjnych do odzyskiwania, siatek robotów, zasobów gier ani oprogramowania środowiska uruchomieniowego stron trzecich, a plik NOTICE dodaje wyraźny zapis o „samodzielnej redystrybucji klipów ruchu wyłącznie demonstracyjnych” — zgoda na pokazanie klipu w ramach dema nie przechodzi wraz z klipem.

W praktyce: możesz redystrybuować plik zasad na warunkach licencji, ale nie możesz ponownie zbudować demo z tego repozytorium, ponieważ siatki, klipy, kod środowiska wykonawczego i konfiguracja aplikacji są dystrybuowane gdzie indziej i na własnych warunkach. Karta zauważa również, że publiczne dostarczanie przez przeglądarkę wymaga anonimowego dostępu do plików, co jest wskazówką dotyczącą modelu dostarczania, dla którego zbudowano eksport.

Kto właściwie może dziś coś z tym zrobić?

Niewiele osób, a karta uczciwie wyjaśnia dlaczego. Integracje przeglądarkowe uruchamiają MuJoCo skompilowane do WebAssembly na potrzeby fizyki oraz ONNX Runtime Web do wnioskowania; zalecany jest WebGPU, a mechanizm awaryjny CPU/WASM „nie gwarantuje działania sześciu robotów w czasie rzeczywistym”. Integracja wymaga pasującego manifestu środowiska uruchomieniowego oraz identycznej kolejności stawów i ciał, konwencji kwaternionów, kolejności historii, normalizacji, masek docelowych, częstotliwości sterowania i mapowania akcji. Wystarczy pomylić się w jednym z tych elementów, a polityka będzie działać bez problemu i produkować bzdury.

Wspomniano o wdrożeniu poza przeglądarką — innych symulatorach, rzeczywistym sprzęcie G1 — ale bez załączonego przepisu, a karta wyraźnie odmawia poświadczenia, że te konkretne pliki zostały zweryfikowane na sprzęcie. Dla zespołu badawczego z G1 i sceną MuJoCo to wystarczy, aby zacząć. Dla wszystkich innych jest to artefakt referencyjny.

Gdzie router pasuje, a gdzie nie

Nie można wywołać Metatron-v1 przez API i nic tutaj tego nie zmienia: to, co opublikował NVIDIA, to para plików, które ładuje się obok symulatora, a nie hostowany punkt końcowy. To, co kierujemy, to druga połowa stosu robotyki — praca językowa otaczająca kontroler. Plany zadań tworzone, zanim przejmie kontrolę polityka, telemetria i logi błędów podsumowywane po przebiegu, opisy ruchu zamieniane na ustrukturyzowane cele. OrcaRouter udostępnia ponad 200 modeli za jednym kluczem w cenie katalogowej dostawcy, bez marży, i automatycznie przełącza się w razie awarii, gdy punkt końcowy jednego z dostawców przestanie działać — co jest różnicą między środowiskiem ewaluacyjnym, które kończy pracę w ciągu nocy, a takim, które po cichu traci połowę przebiegów.

To całość tego powiązania. Jeśli Twoje pytanie dotyczy tego, który kontroler załadować do MuJoCo, ten artykuł nie jest właściwym miejscem, aby na nie odpowiedzieć, i żadna decyzja dotycząca routingu tu nie pomoże.

Co zmieniłoby tę historię?

Cztery rzeczy, w przybliżonej kolejności według tego, jak duże miałoby to znaczenie. Prawdziwe ogłoszenie z liczbami skuteczności wykonania zadań na sprzęcie zamieniłoby kartę w konkretną deklarację. Checkpoint treningowy lub zbiór danych sprawiłby, że polityka byłaby adaptowalna, a nie stała. Niezależna reprodukcja w publicznym symulatorze pozwoliłaby komuś innemu niż NVIDIA ocenić, czy zunifikowany projekt sceny i odzyskiwania działa. A publicznie udostępniane pakiety aplikacji — demo w przeglądarce i sześciorobotowy Racer — pozwoliłyby całej reszcie zobaczyć, jak polityka faktycznie wygląda w ruchu, a tego właśnie karta modelu nie potrafi pokazać.

Do tego czasu ciekawym faktem nie jest sama polityka. Jest nim wzorzec publikacji: NVIDIA umieściła kontroler humanoida na otwartym hubie z licencją i staranną sekcją ograniczeń, nikomu o tym nie powiedziała i pozwoliła karcie udźwignąć ciężar, który kiedyś dźwigał wpis premierowy. Sześć commitów, trzy polubienia i licznik pobrań, który nigdy nie ruszył. Tak wygląda premiera, gdy firma zdecydowała, że to artefakt jest ogłoszeniem.