UniMate 完整上手：一句话让任意 3D 骨架生成动画

【免费下载链接】UniMate[SIGGRAPH Asia 2026] UniMate: One Unified Model to Animate Diverse Skeletons项目地址: https://gitcode.com/GitHub_Trending/un/UniMate

你有没有遇到过这种情况：手里有个绑好骨骼的 3D 模型——四足机器人、一条鱼、甚至一朵花，可就是没有动作让它动起来？UniMate 就是为此而生的：一个被 SIGGRAPH Asia 2026 接收的统一 3D 骨骼动画生成模型，输入任意绑好骨骼的资产加一句文字，直接产出自然连贯的动作序列，面向 3D 内容创作者、游戏与机器人开发者以及研究者。

🎬 先看效果：一句话让多种骨架动起来

从这张总览图就能感受到它的"离谱"程度：履带机器人原地旋转、人形机器人张开双臂、四足机器人迈步向前、一朵花居然"张嘴咬"向前方。而这些动作全部出自同一个模型——碰到新骨架不用单独喂数据，测试时也不用针对某个例子反复调参。

🚀 三步装好环境，跑通第一次采样

整个项目共用一个 conda 环境，训练、推理、数据处理都在里面。

第 1 步：克隆仓库并建好环境

git clone https://gitcode.com/GitHub_Trending/un/UniMate conda create -n unimate python=3.10 -y conda activate unimate pip install "setuptools<81" pip install -r requirements.txt --no-build-isolation

第 2 步：下载模型和数据（UniML3D 数据集约 88GB，按需可只下部分）

hf download Linzhan/UniMate --repo-type model --local-dir outputs \ --include "unimate_uniml3d_f60_v3/*.json" --include "unimate_uniml3d_f60_v3/*.npy" \ --include "unimate_uniml3d_f60_v3/checkpoints/checkpoint_step_150000.pt" hf download Linzhan/UniML3D --repo-type dataset --local-dir dataset

第 3 步：跑文本生成动作。测试用例是一个 JSON 文件（骨架名 → 提示词），assets/examples/ 里带了现成样例：

python -m unimate.inference.sample --exp_dir outputs/unimate_uniml3d_f60_v3 \ --test_cases_json assets/examples/examples.json --num_repetitions 3 \ --output_dir outputs/samples/examples

采出来的动作还能"贴"回原始网格，导出带动画的 GLB / FBX：

SKIP_INVALID=1 bash scripts/run_animate_motion.sh outputs/samples/examples

想自己训练的话，一条命令就能起：

accelerate launch -m unimate.training.train \ --config configs/uniml3d_60frames_graph_adaln.json

scripts/run_train.sh 和各个run_sample_*.sh封装脚本会自动挑显存最充足的 GPU，新手直接跑 shell 脚本最省心。

⚠️ 最常见的坑：pip install -r requirements.txt直接装大概率报错——依赖里有个 git 库用到老接口，必须先装setuptools<81再带--no-build-isolation参数，这就是第 1 步里多出来两行的原因。

🔧 它能做什么：四个场景用例

除了"写句话得段动作"，同一个模型还直接支持下面三种玩法，都不用额外训练：

三个进阶玩法共用同一套"替换式采样"机制：被锁定的帧在每一步去噪时都精确保持，而不是靠损失函数软约束。命令示例：

KEEP_FRAMES="0,-1" bash scripts/run_sample_motion_inbetween.sh \ outputs/unimate_uniml3d_f60_v3 cases.json KEEP_JOINTS="Neck,Head" bash scripts/run_sample_motion_edit.sh \ outputs/unimate_uniml3d_f60_v3 cases.json

补间：只给首尾关键帧，模型把"蹲下再站起"的中间过渡补得平滑自然：

局部编辑：锁住颈部和头部关节后，把提示词从转头改成"向前走"，躯干姿态纹丝不动，其余关节乖乖听新指令：

动作扩展："站起来 → 向前走 → 原地转身"三段文字串成一个列表，模型逐段生成并在接缝处自动衔接：

想动自己的资产也行：用 data_process/rig_preprocess/ 把绑好骨骼的 GLB / glTF / FBX（有没有动画都行）处理成模型可用的格式，关节标签由 LLM 打，中间留了人工核对一步。仓库里的 Unitree Go2 四足机器人、鹰、鲨鱼就是这条流程处理的示例资产：

小提示词技巧：提示词写成 "An object flaps its wings." 这种风格——以 "An object" 开头、只描述动作不描述角色——越贴近训练时的字幕风格，模型跟得越听话；一次多生成几条（--num_repetitions）再挑。

🧠 背后原理：数据、模型与关键设计

训练数据是UniML3D：13,769 条带文本配对的运动片段、7,430 个骨架，把 Mixamo、Truebones ZOO、Objaverse-XL 三个来源统一到同一规范表示，每段动作都配了自然语言描述。模型是flow matching训练的去噪网络，图注意力与全注意力两种变体，文本条件通过 adaLN 调制或 cross-attention 注入。configs/ 里 8 份训练配置 = 4 种数据组合 × 2 种模型变体，统一 60 帧。

仓库导航：改哪块先看哪里

已知局限与反馈渠道

作者自己也说得很直白：这仍是"任意骨架文本生成动画"的早期探索，部分骨架与动作依然会失败——比如关节标签猜得不对、或者动作本身就不符合骨架的物理常识，生成效果就会跑偏。团队认为扩大训练数据规模（从智能体蒸馏、或从视频里生成）是有望补上这块短板的方向。授权方面：代码为 MIT 许可，已发布的 checkpoints 是 CC BY-NC 4.0，数据则沿用 Mixamo、Objaverse-XL、Truebones 各自的源许可。如果你踩到失败案例，欢迎开 issue 反馈——这些坏例子正是让下一代 3D 骨骼动画模型变强的燃料。

【免费下载链接】UniMate[SIGGRAPH Asia 2026] UniMate: One Unified Model to Animate Diverse Skeletons项目地址: https://gitcode.com/GitHub_Trending/un/UniMate