资产
Teleopit 的 Git 仓库只保存代码，不保存大型机器人 mesh、运控模型和动作数据。 安装说明给出了每种用户场景最短的下载命令；本页提供 完整文件清单和维护者说明。
不入库的内容
assets/robots/— canonical 机器人 XML/meshteleopit/retargeting/gmr/assets/— GMR 重定向资源、IK 配置和非 canonical 机器人描述data/、ckpt/、checkpoint、缓存等生成产物- 演示媒体（
assets/demo.gif、assets/demo.mp4）
资源清单
| 资源组 | 下载后的路径 | 用途 |
|---|---|---|
ckpt | ckpt/track_g1.{onnx,pt}、ckpt/track_g1_neck_o6.{onnx,pt} | 可直接运行的推理模型和对应 PyTorch checkpoint |
robots | assets/robots/ 下的机器人 XML 变体与 mesh | 训练、MuJoCo 推理、GMR 和数据集 FK |
gmr | teleopit/retargeting/gmr/assets/ | 动作重定向模型和 IK 配置 |
bvh | data/sample_bvh/*.bvh | 安装检查和仿真教程使用的示例动作 |
data | data/datasets/<dataset>/shard_*.h5 | 用于分发的精简动作数据；训练前需要预计算 |
当前 G1 机器人资源包包括：
| 模型 XML | 配置 |
|---|---|
assets/robots/unitree_g1/g1_29dof.xml | 基础 G1 模型，也是默认值 |
assets/robots/unitree_g1/g1_29dof_dex3.xml | 带 Dex3 手部几何和惯性参数的 G1 |
assets/robots/unitree_g1/g1_29dof_neck_o6.xml | 带颈部主动视觉和 O6 手部模型的 G1 |
默认值不是模型白名单。训练可以通过 --robot_xml 选择其他与任务兼容的 XML。GMR
资源目录中的 XML 属于对应的重定向配置，与运行时机器人资源包是两套不同资源。基础
模型使用 track_g1 模型对，颈部加 O6 模型使用 track_g1_neck_o6 模型对。
远程仓库
ModelScope（默认下载源）
| 仓库 | 类型 | 内容 |
|---|---|---|
BingqianWu/Teleopit-models | model | checkpoint、GMR retargeting 资源、示例 BVH |
BingqianWu/Teleopit-datasets | dataset | 训练/验证数据集 |
HuggingFace（备选）
| 仓库 | 类型 | 内容 |
|---|---|---|
12e21/Teleopit-models | model | checkpoint、GMR retargeting 资源、示例 BVH |
12e21/Teleopit-datasets | dataset | 训练/验证数据集 |
资源组与仓库对应关系
| 组 | 仓库 | 远端路径 |
|---|---|---|
ckpt | Teleopit-models | checkpoints/track_g1.{onnx,pt}、checkpoints/track_g1_neck_o6.{onnx,pt} |
robots | Teleopit-models | archives/robot_assets.tar.gz |
gmr | Teleopit-models | archives/gmr_assets.tar.gz |
bvh | Teleopit-models | archives/sample_bvh.tar.gz |
data | Teleopit-datasets | data/datasets/*/*.h5（lafan1、pico_record、seed、twist2） |
下载行为
使用项目自带的下载脚本（默认从 ModelScope 下载）：
# 下载全部
python scripts/setup/download_assets.py
# 只下载推理必需的资源
python scripts/setup/download_assets.py --only robots gmr ckpt bvh
# 只下载训练数据
python scripts/setup/download_assets.py --only data
# 从 HuggingFace 下载
python scripts/setup/download_assets.py --source huggingface
下载后各资源的本地落点：
| 远端路径 | 本地路径 |
|---|---|
checkpoints/track_g1.onnx | ckpt/track_g1.onnx |
checkpoints/track_g1.pt | ckpt/track_g1.pt |
checkpoints/track_g1_neck_o6.onnx | ckpt/track_g1_neck_o6.onnx |
checkpoints/track_g1_neck_o6.pt | ckpt/track_g1_neck_o6.pt |
archives/robot_assets.tar.gz | assets/robots/（自动解压） |
archives/gmr_assets.tar.gz | teleopit/retargeting/gmr/assets/（自动解压） |
archives/sample_bvh.tar.gz | data/sample_bvh/（自动解压） |
data/datasets/*/*.h5 | data/datasets/ |
上传到 ModelScope
第一步：准备上传目录
python scripts/setup/prepare_modelscope_assets.py --only ckpt robots gmr bvh --clean
python scripts/setup/prepare_modelscope_assets.py --only data
产物在 data/modelscope_upload/。
第二步：上传到对应仓库
# 模型仓库
modelscope upload --repo-type model BingqianWu/Teleopit-models \
data/modelscope_upload/checkpoints checkpoints --sync
modelscope upload --repo-type model BingqianWu/Teleopit-models \
data/modelscope_upload/archives archives
# 数据集仓库
modelscope upload --repo-type dataset BingqianWu/Teleopit-datasets \
data/modelscope_upload/data data
checkpoint 上传有意使用 --sync。它只会在远端 checkpoints/ 目录内删除本地不存在的
旧模型名，不会影响 archives/。除非本地 staging 中包含所有需要保留的远端归档，否则
不要给归档上传命令添加 --sync。
第三步：打版本 tag
ModelScope 仅模型仓库支持 tag，数据集仓库不支持。
python - <<'EOF'
from modelscope.hub.api import HubApi
api = HubApi()
url = api.create_model_tag("BingqianWu/Teleopit-models", "vX.Y.Z")
print(url)
EOF
tag 与代码仓库的 Git tag 保持一致，方便追溯每个版本对应的模型。
上传到 HuggingFace
第一步：准备 staging 目录
# 准备全部（--clean 会清空旧的 staging 目录）
python scripts/setup/upload_hf_assets.py --dry-run --clean
# 只准备指定组
python scripts/setup/upload_hf_assets.py --only ckpt robots gmr bvh --dry-run
python scripts/setup/upload_hf_assets.py --only data --dry-run
--dry-run 只写 staging， 不执行上传，可用于检查文件完整性。
第二步：执行上传
python scripts/setup/upload_hf_assets.py --only ckpt robots gmr bvh --clean
python scripts/setup/upload_hf_assets.py --only data --clean
注意
每次运行前建议加 --clean，否则 staging 目录可能残留上次遗留的文件，导致 --only 语义失效（旧资源被误带入上传）。
第三步：打版本 tag
HuggingFace 模型仓库支持 tag（数据集仓库不支持）：
python - <<'EOF'
from huggingface_hub import HfApi
api = HfApi()
api.create_tag("12e21/Teleopit-models", tag="vX.Y.Z", repo_type="model")
EOF
tag 与代码仓库的 Git tag 保持一致，方便追溯每个版本对应的模型。
提交前检查
推送代码前运行：
python scripts/dev/check_large_tracked_files.py
会拦截大二进制文件并检查已跟踪文件的体积上限。