kimodo

扩散模型一键生成自然人体动作序列

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署数字人3D 🍴 复刻 443 🐛 待处理 20 👀 关注 34

GitHub ↗

GitHub 星标 ★ 3931

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源代码，免费使用

项目预览

项目数据

分类数字人3D

开发团队nv-tlabs

GitHubhttps://github.com/nv-tlabs/kimodo

定价模式🏷️完全免费

价格说明开源代码，免费使用

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

GitHub 星标★ 3931

上线时间2026-03-16 00:00:00

代码更新2026-10-15

仓库体积43.5 MB

本站数据更新2026-10-29

维护状态较活跃

收录时间2026-10-29

浏览次数0

项目介绍

kimodo 是 Kimodo 论文的官方实现，一个面向人形角色的运动学动作扩散模型，用于生成高质量人体与人形机器人动作。项目解决的核心问题是：如何根据文本或条件信号，自动产出自然、连贯、物理上合理的全身运动序列，减少手工关键帧与动捕成本。模型以扩散方式在运动学空间建模关节轨迹，强调动作质量与可控性，可用于角色动画、具身智能仿真和机器人动作预演。代码为 Python 实现，提供训练与推理流程，便于研究者在自有动作数据集上复现和微调。项目星标增长较快，属于活跃的研究型工具，适合作为动作生成基线与二次开发起点，但工程化封装和产品级文档仍在完善中。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-10-29 · 当前星标 ★ 3931

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶约 60 分钟部署方式：本地安装 6 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Linux 环境（Windows 建议配合 Docker 使用）
NVIDIA GPU，显存约 17GB 才能全程在 GPU 上生成；显存不足时可改用 CPU 做文本编码
Python 环境与 Git（具体版本见官方安装文档）
可访问官方文档站点与 Hugging Face 数据集页面以下载权重和基准数据

安装与启动步骤

1查阅官方文档

README 未直接给出依赖清单，安装命令、CLI 用法与 Demo 启动方式都需按官方文档执行，先通读 Quick Start 与 Installation 两页。
2获取代码仓库

克隆仓库到本地后，后续安装与运行都在该目录内进行；具体依赖安装以官方 Installation 页为准。
```
git clone https://github.com/nv-tlabs/kimodo.git
```
3按文档安装依赖

依照官方 Installation 说明安装 Python 依赖与模型资源，不要自行替换版本；安装完成后进入仓库目录。
4显存不足改 CPU

若显卡显存小于约 17GB，运行前设置该环境变量，让文本编码走 CPU，显存占用可降到 3GB 以内，速度略慢。
```
export TEXT_ENCODER_DEVICE=cpu
```
5运行推理生成动作

使用官方 CLI 按文档示例传入文本提示与约束生成人体或机器人动作；具体参数只在文档中给出，README 未列命令。
6可选转换机器人骨架

已有 AMASS 格式 SMPL-X 动作文件时，可用仓库内脚本转为指定机器人骨架，需把路径换成自己的 npz 文件。
```
python scripts/smplx_to_robot.py --smplx_file /path/to/saved/amass_format.npz --robot booster_t1
```