Metatron-v1：NVIDIA 低調的人形機器人策略並不是語言模型

2026 年 10 月 27 日深夜，一個名為 nvidia/Metatron-v1 的儲存庫出現在 Hugging Face 上。沒有新聞稿，NVIDIA 自家部落格上也沒有貼文——在該部落格搜尋這個名稱，至今仍顯示「找不到結果」——沒有論文，也沒有產品頁面。實際出現的是兩個各約 403 MB 的 ONNX 檔案、一份授權條款、一個 NOTICE 檔案，以及一張模型卡，描述一個為 Unitree G1 人形機器人設計的習得式行走與恢復控制器。Metatron-v1 是機器人策略，不是語言模型，而幾乎所有值得知道的事都必須從那張卡讀出來，因為除此之外別無其他資料可讀。

儲存庫自身的統計數據說明了這次發布有多低調。UTC 21:43 到 22:32 之間有六次提交、三個讚，而且完全沒有有意義的下載數字——頁面說此模型不追蹤下載量，而 API 則回報為零。那不是一次發布。那是一份附帶文件的匯出傾印，依 NVIDIA 的開放模型授權發布，然後就留給別人自己去發現。

名稱是第一個會誤導人的地方。

Metatron 與 Nemotron 只差一個字母，而 Nemotron 是 NVIDIA 實際的開放語言模型系列；這種相似性已經造成傷害：同一個 Hugging Face 組織同時發布兩者，這個儲存庫的標籤寫著 robotics / reinforcement-learning / humanoid，而 pipeline 標籤是 reinforcement-learning，而不是 text-generation。這些都阻止不了這個名字被歸到聊天模型旁邊。

這很重要，因為這種比較不只是不利——而是毫無意義。把 Metatron-v1 拿去和 Gemma 4 12B 或 Qwen 3.8 並列比較的讀者，等於是把一個將關節歷程與目標位姿映射到馬達目標的控制器，拿來和將文字映射到文字的模型放在一起。兩者沒有共同的輸入、沒有共同的輸出，也沒有任何基準測試能把它們放在同一條軸線上。那一頁誠實的版本只會是一句話，這就是我們為什麼沒有寫。

政策所消耗的內容與所產出的內容

這張卡片對張量的說明異常具體，而這正是它最有用之處。單機器人示範檔案總共接收 39 個輸入：

• 目前的 G1 狀態，加上八個歷史狀態樣本——策略看到的是最近約十分之一秒的動作，而非單一快照。

• 將傳入的原始動作與一份九筆的原始動作歷史配對，讓網路能辨別它原本已在嘗試做什麼。

• 遮罩式未來姿勢、風格與速度目標，加上場景框上下文——這些目標部分有明確指定、部分留空，而這正是卡片所暗示的 MaskedMimic 風格修補式構想。

它會回傳關節 PD 目標作為 action，增益作為 stiffness 與 damping，以及 raw_action 供歷史回饋使用。這三個輸出就是機器人在控制頻率下所需的內容；介面中完全沒有任何文字。

卡片中有兩項說法值得與其餘內容分開來看。第一項是，行走、場景互動與恢復現在共用同一套策略——卡片將目前匯出的版本描述為 epoch-6410 的「具 SAMP 能力的統一學生模型」，且沒有獨立的恢復適配器。SAMP 並未寫出全稱，但在場景感知動作相關文獻中，它代表 Stochastic Scene-Aware Motion Prediction（隨機場景感知動作預測），而場景框輸入也符合這種解讀；請將此展開視為我們的推論，而非 NVIDIA 的措辭。第二項是，恢復目標仍是即時的執行期輸入，而非預先烘焙的目標；這正是能在跌倒過程中重新瞄準的策略，與固定動畫之間的差別。

兩個匯出，兩個執行環境，一組權重

這兩個檔案以不同的計算圖配置承載相同的學習策略，而說明卡強調它們不能互換。示範檔案執行單一機器人，並在計算圖內包含觀測處理與動作轉換。Racer 檔案是六機器人的批次化網路，預期觀測是在計算圖外計算，且其批次大小若未重新建置並重新驗證就無法變更。

整個儲存庫中唯一的數字是一項對等性檢查：六機器人路徑已在 60 個不同且受歷史擾動的測試狀態上，與單機器人示範匯出進行比對，最大絕對動作誤差為 5.55e-6。NVIDIA 也改變了復原高度、復原時機、動作歷史與場景輸入，並確認輸出會隨之變動。這兩者都屬於匯出工程檢查——它們證明這兩個計算圖計算的是同一個函式，且輸入已正確接線。它們完全沒有說明機器人是否能保持直立，而卡片也直接這麼寫：「這些是數值匯出檢查，不是任務成功或真實機器人基準測試。」

NVIDIA 尚未說明的事

缺席清單比出席清單更長，而這正是讀者最應著力權衡的部分。

• 我們找不到任何公告、部落格文章、論文或產品頁面，也完全沒有以這個名稱發布的 NVIDIA 部落格報導。

• 除了兩句話之外，沒有進一步的訓練描述——MaskedMimic 風格的 Transformer 學生模型、確定性先驗與解碼器——也沒有任何關於資料、運算資源或訓練目標的說明。

• 沒有任務成功率、沒有跌倒恢復率、沒有 sim-to-real 結果、沒有我們能獨立驗證的影片。

• 沒有訓練檢查點，也沒有資料集。這張卡片明確指出，該儲存庫並非完整的訓練重現套件，這意味著這裡沒有任何可供微調的內容。

安全說明同樣直白：這個模型不是避撞系統，也不是安全控制器；使用硬體時需要獨立驗證、扭矩限制、監督式測試與緊急停止；而遊戲端的輔助機制——發射加速、低重力區、重生——屬於應用層機制，並非學習策略本身具備的能力。一張特地強調「重生不是模型能力」的說明卡，其實是在告訴你：這段演示有多少來自策略，又有多少來自遊戲。

授權條款告訴你哪些東西你不能取用

這些檔案依 NVIDIA Open Model License 發布，並於 NOTICE.txt 中標示出處，另外還有一項專門涵蓋兩個 ONNX 匯出檔的授權。除此之外的一切則被排除在外。該儲存庫不授予任何關於動作資料集、復原參考片段、機器人網格、遊戲資產或第三方執行階段軟體的權利，而 NOTICE 檔更加入一句措辭明確的說明，關於「僅供示範用的動作片段之獨立再散布」——在示範中展示某段片段的許可，不會隨該片段一併移轉。

實務上：你可以依授權條款重新散布這份原則檔案，但你無法從這個儲存庫重建這個示範，因為網格、片段、執行階段程式碼與應用程式設定是另外散布的，且各自有其條款。這張卡片也指出，公開的瀏覽器傳遞需要對這些檔案進行匿名存取，這暗示了這次匯出所針對的傳遞模型。

今天誰能真正用這個做出點什麼？

願意使用的人不多，而這張卡也誠實說明了原因。瀏覽器整合以編譯成 WebAssembly 的 MuJoCo 執行物理模擬，並以 ONNX Runtime Web 進行推論；建議使用 WebGPU，而 CPU/WASM 後備方案「不保證六台機器人即時運行」。整合時需要相符的 runtime manifest，以及完全一致的關節與身體排序、四元數慣例、歷史排序、正規化、目標遮罩、控制率和動作對應。只要其中一項弄錯，策略仍會順利執行，卻產出毫無意義的結果。

文中提到可部署到瀏覽器之外——其他模擬器、真實的 G1 硬體——但未附上具體做法，而且模型卡明確表示不保證這些確切檔案已在硬體上驗證過。對於擁有 G1 和 MuJoCo 場景的研究團隊來說，這樣就足以起步。對其他人而言，這只是一份參考用的產物。

路由器適用之處，以及不適用之處

你無法透過 API 呼叫 Metatron-v1，而這裡的任何內容都不會改變這一點：NVIDIA 發布的是一對檔案，讓你在模擬器旁載入，而不是託管端點。我們所路由的是機器人技術堆疊的另一半——圍繞控制器的語言工作。在策略接管之前撰寫的任務計畫、執行後彙總的遙測與失敗日誌、轉換成結構化目標的動作描述。OrcaRouter 將 200 多個模型置於單一金鑰之後，以供應商定價提供且不加價，並在某一供應商的端點故障時自動容錯移轉，這正是能在一夜之間完成的評估測試框架，與會悄悄流失一半執行次數的框架之間的差別。

這就是全部的關聯。如果你的問題是要將哪個控制器載入 MuJoCo，這篇文章並不是回答這個問題的地方，而且任何路由決策都幫不上忙。

什麼會改變這個故事

四件事，大致依其重要性排序。一份附有硬體任務成功率數字的正式公告，會讓一張模型卡變成可檢驗的主張。訓練檢查點或資料集則會讓這套策略可調整，而非固定不變。在公開模擬器中進行獨立重現，能讓 NVIDIA 以外的人評斷這套統一的場景與復原設計是否可行。而公開釋出的應用程式套件——瀏覽器示範與六機器人 Racer——則能讓我們其他人看到這套策略在實際動作中的樣貌，而這正是模型卡無法展示的事。

在那之前，有趣的事實並不是政策本身，而是發布模式：NVIDIA 把一個帶有授權條款與審慎限制說明的類人控制器放上開放平台，卻沒有告訴任何人，讓那張卡片承擔起過去由發布貼文承擔的分量。六次提交、三個讚，以及一個從未啟動的下載計數器。當一家公司決定讓成品本身成為公告時，一次發布看起來就是這樣。