אנבידיה פרסמה בשקט את Metatron v1: מדיניות שליטה אחת להליכה, לאינטראקציה ולהתאוששות ברובוט Unitree G1
אנבידיה העלתה ל-Hugging Face את Metatron-v1, מדיניות שליטה נלמדת אחת לרובוט ההומנואידי Unitree G1. המדיניות מטפלת בהליכה, באינטראקציה עם הסביבה ובהתאוששות. הפרסום עבר בלי הודעה רשמית, בלי מאמר ובלי פוסט בבלוג, וחשוב לדעת: זה לא מודל שפה, למרות שהשם מזכיר את Nemotron.
בשעות הערב של 27 באוקטובר 2026 הופיע ב-Hugging Face מאגר חדש של אנבידיה בשם nvidia/Metatron-v1. המאגר מכיל מדיניות שליטה נלמדת (learned policy) לרובוט ההומנואידי Unitree G1. מדובר ברשת אחת שמטפלת בהליכה, באינטראקציה עם הסביבה ובהתאוששות מנפילות. לפי ניתוח שפרסם האתר OrcaRouter, הפרסום לא לווה בהודעה לעיתונות, בפוסט בבלוג של החברה, במאמר מחקרי או בדף מוצר. כל מה שידוע על הפרויקט מגיע מכרטיס המודל (model card) שבמאגר.
השקה שקטה במיוחד
המאגר כולל שני קובצי ONNX, כ-403MB כל אחד. ONNX הוא פורמט פתוח להרצת רשתות נוירונים בסביבות שונות. לצדם יש קובץ רישיון, קובץ NOTICE וכרטיס המודל. הרישיון הוא רישיון המודלים הפתוחים של אנבידיה. לפי OrcaRouter, ששת העדכונים (commits) למאגר נעשו בין 21:43 ל-22:32 UTC. בזמן הניתוח היו למאגר שלושה סימוני "אהבתי" בלבד, ודף המאגר מציין שמספר ההורדות של המודל אינו נמדד. OrcaRouter מסכם שזו "לא השקה" אלא ייצוא של קבצים עם תיעוד מצורף.
לא מודל שפה
השם Metatron דומה מאוד ל-Nemotron, משפחת מודלי השפה הפתוחים של אנבידיה, ושניהם מתפרסמים תחת אותו ארגון ב-Hugging Face. אבל התגיות של המאגר הן רובוטיקה, reinforcement learning (למידת חיזוק) והומנואידים, ולא יצירת טקסט. אין טעם להשוות את Metatron-v1 למודלי שפה: הוא מקבל היסטוריה של מצבי המפרקים ויעדי תנוחה, ומחזיר פקודות למנועים. בממשק שלו אין טקסט בכלל.
מה נכנס ומה יוצא
כרטיס המודל מפרט בדיוק את הקלטים והפלטים. קובץ ההדגמה לרובוט יחיד מקבל 39 קלטים בסך הכול, ובהם:
- המצב הנוכחי של ה-G1 ועוד שמונה דגימות מצב קודמות. כך המדיניות רואה כעשירית שנייה של תנועה אחרונה ולא רק תמונת מצב רגעית.
- הפעולות הגולמיות הנכנסות והיסטוריה של תשע פעולות קודמות. כך הרשת יודעת מה היא כבר ניסתה לעשות.
- יעדים עתידיים חלקיים לתנוחה, לסגנון ולמהירות, ומידע על הסביבה בצורת "קופסאות". חלק מהיעדים מוגדרים וחלקם ריקים. לפי OrcaRouter, זה הרעיון שמאחורי שיטת MaskedMimic, שבה המודל משלים בעצמו את מה שחסר.
בפלט המדיניות מחזירה יעדי PD למפרקים (בקר PD מתקן את התנועה לפי הסטייה מהיעד ולפי קצב השינוי שלה). היא מחזירה גם ערכי קשיחות וריסון, ופלט גולמי שחוזר כקלט בצעד הבא.
מדיניות אחת במקום כמה
לפי הכרטיס, הגרסה הנוכחית היא "SAMP-capable unified student" מ-epoch 6410: מודל "תלמיד" מאוחד, בלי מתאם נפרד להתאוששות. אנבידיה לא מפרטת מה פירוש SAMP. ב-OrcaRouter מעריכים שהכוונה ל-Stochastic Scene-Aware Motion Prediction, מונח מתחום חיזוי התנועה בהתאם לסביבה, אבל מציינים במפורש שזו הסקה שלהם. עוד לפי הכרטיס, יעדי ההתאוששות נשארים קלטים שמתעדכנים בזמן ריצה ולא נקבעים מראש. המשמעות, ככל הנראה, היא שאפשר לכוון את הרובוט מחדש תוך כדי נפילה, במקום להריץ אנימציה קבועה.
למה זה מעניין
זה לא אירוע מסחרי, ואנבידיה עצמה לא הציגה אותו ככזה. בשביל מי שמתעניין ברובוטיקה, יש כאן דוגמה למגמה שנראית בתחום: רשת אחת שמחליפה כמה בקרים נפרדים להליכה, לאינטראקציה ולהתאוששות. אחת המטרות של גישה כזו היא מעברים חלקים יותר בין המצבים. בלי מאמר מלווה ובלי נתוני ביצועים קשה להעריך כמה טוב המדיניות עובדת בפועל. בינתיים, מי שיש לו גישה ל-Unitree G1 או לסימולציה שלו יכול להוריד את הקבצים ולבדוק בעצמו.