Metatron-v1：NVIDIA 低调的人形机器人政策并非语言模型

2026年10月27日深夜，一个名为 nvidia/Metatron-v1 的仓库出现在 Hugging Face 上。既没有新闻稿，也没有 NVIDIA 自家博客上的文章——在该博客搜索这个名字，至今仍返回“未找到结果”——没有论文，也没有产品页面。实际出现的只有两个大小各约 403 MB 的 ONNX 文件、一份许可证、一个 NOTICE 文件，以及一张模型卡，其中描述的是为 Unitree G1 人形机器人学习得到的行走与恢复控制器。Metatron-v1 是一个机器人策略，而非语言模型；关于它几乎所有值得了解的信息都必须从那张模型卡中读取，因为除此之外没有任何其他材料可读。

该仓库自身的计数器说明了这次上线有多么悄无声息。UTC 21:43 到 22:32 之间有六次提交、三个点赞，而且完全没有有意义的下载数据——页面称该模型不跟踪下载量，而 API 报告的下载量为零。这不是一次发布。这是一次附带文档的导出转储，依据 NVIDIA 的开放模型许可证发布，然后被留在那里等人发现。

名字是最先误导人的东西

Metatron 与 NVIDIA 真正的开源语言模型系列 Nemotron 仅一字之差，而这种相似性已经在造成损害：同一个 Hugging Face 组织发布了二者，该仓库的标签写着 robotics / reinforcement-learning / humanoid，pipeline 标签是 reinforcement-learning 而不是 text-generation。这一切都无法阻止这个名字被归到聊天模型旁边。

这很重要，因为这种比较不只是不利——它毫无意义。把 Metatron-v1 与 Gemma 4 12B 或 Qwen 3.8 相提并论的读者，是在把一个将关节历史和目标位姿映射到电机目标的控制器，与将文本映射到文本的模型放在一起。它们没有共同的输入，没有共同的输出，也没有任何基准测试能把它们放在同一坐标轴上。那一页如果如实呈现，只会是一句话，这也是我们没有写这样一页的原因。

策略消耗什么以及产出什么

这张卡对张量的说明异常具体，这是它最有用的地方。单机器人演示文件总共接收 39 个输入：

• 当前的 G1 状态，外加八个历史状态样本——策略看到的是大约十分之一秒的近期运动，而不是单个快照。

• 将传入的原始动作与包含九条记录的原始动作历史配对，使网络能够判断它此前已在尝试做什么。

• 掩码的未来姿态、风格和速度目标，外加场景框上下文——这些目标部分已指定、部分为空白，这正是卡片所暗示的 MaskedMimic 风格补全思路。

它返回关节 PD 目标作为 action，增益作为 stiffness 和 damping，以及 raw_action用于历史反馈。这三个输出正是机器人在控制频率下所需的；接口中没有任何文本。

卡片中有两项主张值得与其他内容分开来看。第一项是，行走、场景交互和恢复现在共用同一策略——卡片将当前导出版本描述为 epoch-6410 的“具备 SAMP 能力的统一学生模型”，且没有单独的恢复适配器。SAMP 并未展开说明，但在场景感知运动文献中，它代表 Stochastic Scene-Aware Motion Prediction，而场景框输入也符合这一解读；应把这一展开视为我们的推断，而非 NVIDIA 的措辞。第二项是，恢复目标仍是实时运行时输入，而不是预先烘焙的目标，这正是策略能在跌倒过程中重新瞄准目标与固定动画之间的区别。

两个导出、两个运行时、一套权重

这两个文件以不同的图布局承载相同的已学习策略，而说明卡强调它们不可互换。演示文件运行一个机器人，并在图内包含观测处理和动作转换。Racer 文件是一个六机器人批处理网络，它期望观测在图外计算，且其批大小若不重新构建并重新验证就无法更改。

整个仓库中唯一的数字是一项一致性校验：在 60 个不同且经历史扰动的测试状态上，将六机器人路径与单机器人演示导出结果进行了比较，最大绝对动作误差为 5.55e-6。NVIDIA 还改变了恢复高度、恢复时机、动作历史和场景输入，并确认输出随之发生变化。这两项都是导出工程检查——它们证明两个计算图计算的是同一个函数，并且输入已正确接入。它们完全没有说明机器人是否能保持直立，而卡片上直接写明了这一点：“这些是数值导出检查，不是任务成功率或真实机器人基准。”

NVIDIA 未曾言明的事

缺席清单比在场清单更长，而这正是读者最应重点权衡的部分。

• 我们找不到任何公告、博客文章、论文或产品页面，也完全找不到以该名称发布的 NVIDIA 博客报道。

• 除两个短语外没有任何训练描述——MaskedMimic 风格的 transformer 学生模型、确定性先验与解码器——也没有说明数据、算力或训练目标。

• 没有任务成功率，没有跌倒恢复率，没有仿真到现实的结果，也没有我们可以独立验证的视频。

• 没有训练检查点，也没有数据集。卡片明确说明，该仓库并非完整的训练复现包，这意味着这里没有任何可用于微调的内容。

安全措辞同样直截了当：该模型不是碰撞规避系统，也不是安全控制器；硬件使用需要独立验证、扭矩限制、有监督测试和紧急停止；而游戏侧的辅助功能——发射助推、低重力区域、重生——属于应用机制，而非所学策略的能力。一张特意说明“重生不是一项能力”的卡片，其实是在告诉你：演示中有多少来自策略，又有多少来自游戏本身。

许可证告诉你哪些东西不能拿。

这些文件依据 NVIDIA Open Model License 发布，署名信息见 NOTICE.txt，并且另有一项专门覆盖两个 ONNX 导出版本的单独授权。除此之外的一切均被明确排除。该仓库不授予任何涉及运动数据集、恢复参考片段、机器人网格、游戏资产或第三方运行时软件的权利，而 NOTICE 文件还特意加了一句措辞尖锐的说明，关于“仅用于演示的运动片段的独立再分发”——在演示中展示某段片段的许可并不随该片段一同转移。

实际上：你可以根据许可条款再分发该策略文件，但你不能从此仓库重新构建该演示，因为网格、片段、运行时代码和应用配置是在别处分发，并受其自身条款约束。该卡片还指出，公开的浏览器交付要求对这些文件进行匿名访问，这暗示了该导出所面向的交付模型。

今天谁能真正用这个做点什么

没多少人，而卡片也坦率说明了原因。浏览器集成使用编译为 WebAssembly 的 MuJoCo 处理物理，使用 ONNX Runtime Web 进行推理；推荐使用 WebGPU，而 CPU/WASM 回退方案“不保证六机器人实时运行”。集成需要匹配的运行时清单，以及完全一致的关节与机体排序、四元数约定、历史排序、归一化、目标掩码、控制频率和动作映射。只要其中一项出错，策略仍会看似顺利地运行，并输出毫无意义的结果。

文中提到了浏览器之外的部署——其他模拟器、真实的 G1 硬件——但没有附带操作步骤，而且模型卡明确拒绝保证这些确切的文件已在硬件上验证过。对于拥有 G1 和 MuJoCo 场景的研究团队来说，这足以起步。对其他所有人而言，它只是一份参考性产物。

路由器适合用在哪里，又不适合用在哪里

你无法通过 API 调用 Metatron-v1，这里没有任何内容能改变这一点：NVIDIA 发布的是两个要加载到模拟器旁边的文件，而不是一个托管端点。我们路由的是机器人技术栈的另一半——围绕控制器的语言工作。策略接管前编写的任务计划、运行后汇总的遥测和故障日志、转换成结构化目标的运动描述。OrcaRouter 按提供商标价且不加价地提供一个密钥背后的 200 多个模型，并且当某个提供商的端点宕机时会自动故障转移，这正是一个能在夜间完成的评估框架和一个会悄无声息地丢掉一半运行的评估框架之间的区别。

这就是连接的全部。如果你问的是该把哪个控制器加载到 MuJoCo 中，那么这篇文章并不适合回答这个问题，任何路由决策都无济于事。

什么会改变这个故事？

四件事，大致按它们的重要性排序。一份带有硬件任务成功率数字的正式公告，会把一张卡片变成一项主张。一个训练检查点或一个数据集，会让该策略可适配，而不是固定不变。在公共模拟器中的独立复现，将让 NVIDIA 以外的人也能判断，统一的场景与恢复设计是否有效。而公开发布的应用包——浏览器演示和六机器人 Racer——将让我们其余人看到该策略在运动中实际是什么样子，而这正是模型卡无法展示的一点。

在此之前，真正有趣的事实并不是那项政策，而是发布方式：NVIDIA 把一个 humanoid 控制器放上了开放 hub，附上许可证和一份措辞谨慎的局限性说明，没有告诉任何人，让那张卡片承载过去由发布博文承载的分量。六次提交，三个赞，还有一个从未启动的下载计数器。当一家公司认定产物本身就是公告时，一次发布就是这个样子。