项目介绍

HALO 是论文《Perceptive Humanoid Motion from Simulation》的代码发布，面向希望复现或扩展仿真人形运动流程的研究者。它从仿真场景中生成训练数据，训练运动生成器与运动跟踪策略，再把策略部署到 Unitree G1 上——既可在 MuJoCo 中闭环运行，也可上真机。另有一个语言编排器，把语言请求与第一视角图像转成子任务计划。

仓库按阶段组织：datagen/ 用 Infinigen 场景、Kimodo 运动和 Isaac/MuJoCo 渲染生成训练数据；generator/ 负责运动生成器的训练与开环评测；tracker/ 是 G1 的跟踪策略，含 Isaac Lab 训练与 Python/C++ 部署；orchestrator/ 运行规划模型；system/ 把各节点串成仿真或真机闭环；机器人与场景资源在 assets/。

快速使用

不存在单一的总入口安装，应按子项目分别开始：

1. 按数据生成说明产出训练数据。
2. 按生成器 README训练生成器；按跟踪策略训练说明训练跟踪策略，其中涵盖 Isaac Lab 与三个阶段：特权专家（PreRL）、多教师蒸馏、多评论家微调（PostRL）。
3. 单独部署跟踪策略时，参照 Python 部署说明或实时 C++ 部署说明。
4. 闭环运行：按仿真章节在 MuJoCo 中执行 run_sim.py，或按真机章节在 G1 上执行 run_real.py。

具体安装命令、环境与前置条件都在各子目录的 README 中，顶层 README 没有给出合并安装方式。

使用约束

• 流程依赖较重的仿真工具链（Isaac Lab、MuJoCo），真机路径还需要一台 Unitree G1。
• 仓库不附带预训练的跟踪策略权重；proprio 与 depth 两个跟踪学生模型需用 tracker/training 自行训练。
• 发布范围、作者名单和许可证在仓库中仍标注为待办，Unitree G1 等第三方资源保留其原有许可。使用前应查看 LICENSE 文件；GitHub 将其许可证识别为 NOASSERTION。

HotRepo 点评

该项目于 2026-11-06 出现在 HotRepo 新项目榜的 Python 榜，记录到 108 Star（在统计窗口内新增 6）和 8 Fork，未见 GitHub 全部语言日榜名次。从材料看，这是一个带分模块文档的多阶段研究发布，更适合作为复现 HALO 流程的参考工程，而非开箱即用的软件包；权重与许可证的待办事项是首先需要权衡的实际限制。