NVlabs/motionbricks
- 出典
- GitHub
- 初登場日
- 分野
- モデル推論
- GitHubスター数
- 1,108
- 主な言語
- Python
外部のオープンソース リポジトリを紹介するページです。HDATFの製品ではありません。

何をするか
MotionBricksは、最近の姿勢と指定した目標姿勢をつなぐ短い人間またはヒューマノイドの基準動作を生成します。短い遷移を連結して長い動きを作るアニメーションとロボットシミュレーションの開発者を対象とします。最近の姿勢四つと目標姿勢一つから四つを受け取り、毎秒30姿勢を基準とする動作と足の接触予測を返します。文書上の構成は、身体の基準点の経路と時間の予測、マスクされた動作トークンの予測、トークンから連続動作への復元に分かれます。確認した生成コードは姿勢数と出力領域を検証し、画面を使わない例は生成結果の最後の姿勢を次の呼び出しへ渡します。SOMAとUnitree G1の学習済みモデル、動作と場面の編集ツール、Warp、Newton、TensorRTを使うPython実行環境を提供します。標準実行環境にはNVIDIA GPUが必要であり、READMEのWindowsとLinux上のRTX 4090による試験説明は全機種の互換性を保証しません。文章と場面形状はモデル入力ではなく、実機の安全性には別の制御と検証が必要で、コード、文書、重み、サンプル動作のライセンスも異なります。
ライセンス
独自ライセンス 標準ではない独自ライセンスです。再利用の前にライセンスファイルを確認してください。
同じ分野のリポジトリ
- Tejas-TA/predikit
predikitは、学習済み機械学習モデルを言語モデルのエージェントが呼べる型検証付きツールとして公開するPythonライブラリーです。開発者が学習済みモデル、Pydanticの入力定義、ツール説明、出力名を指定します。ライブラリーは入力値を検証し、モデルの特徴量に合わせて並べ、予測を実行して名前付きの結果辞書を返します。OpenAI形式のツール呼び出し仕様、LangChainツール、通常のPython関数を生成し、複数ツールを登録簿にまとめます。複数モデルの結果収集、平均、投票に対応し、重み付きの方式も提供します。予測確率を持つ分類器では、信頼度の閾値に応じて警告、エラー、代替ツールの呼び出しを選び、非同期呼び出しは別スレッドで予測を実行します。任意連携でMLflowやSnowflakeからモデルを読み込み、MCPサーバーで登録簿を公開でき、基本のモデル対応はscikit-learn互換の推定器とXGBoostを対象とします。特徴量名は学習時の列名と一致する必要があり、無名配列はフィールド順に依存し、このライブラリー自体が学習や確率校正、新しい業務環境での予測の妥当性を保証するわけではありません。 - affifuddin-hazam/ghost-infer
ghost-inferはGGUFという形式のモデルファイルと会話入力を受け取り、ローカルで返答を生成するRust製の言語モデル実行環境です。多数の利用者の要求をまとめて処理するサーバーより、個人が手元のコンピューターでモデルを使う場面に重点を置きます。コマンドラインとチャット画面を備え、OpenAI形式のチャットAPIで返答の逐次配信やツール呼び出し情報の返却を行います。ツール呼び出し情報は実行要求を表すもので、外部のHarnessがこのAPIを使う場合は独自の実行ループとツールを用意する必要があります。一部の専門部分だけを選んで計算するMoEモデルでは、共通計算をGPUに置き、専門部分の重みをRAMとGPUキャッシュに分配して残りをCPUで計算します。Windows 10または11をサポートし、GPU実行には対応するNVIDIAカードとドライバー、ソースからのビルドにはGPUコードのコンパイル用ライブラリNVRTCも必要です。インストーラーにはそのライブラリが含まれ、既存のモデルファイルかダウンロードしたモデルで開始できるため、中心となる推論に外部の有料モデルAPIは必須ではありません。要求は一度に一つずつ処理し、対応するモデル構造とファイル形式には制限があり、画像入力と一要求での複数回答生成には対応していません。 - wici-ai/inferssd
InferSSDは、RAMやGPUメモリに全体が収まらないMoEモデルをSSDから読み込むローカル推論エンジンです。モデルそのものではなくllama.cppの拡張実行ツールで、対応GGUF重みと要求から生成結果を返します。トークンごとに選ばれた専門家の重みをSSDから読み、RAMにキャッシュし、環境に応じてCPUとGPU経路を使います。ブラウザチャットとOpenAI互換APIで外部クライアントを接続できます。重みは別途取得し、モデルごとの大きなSSD容量と作業メモリが必要です。公式資料はApple Silicon MetalとLinux CUDAを説明し、ソースビルドにはPythonやC/C++ツールも必要です。README冒頭はWindows対応を進行中としながら本文にはWindows 11パッケージがあるため、実リリースの対応バックエンドを別に確認すべきです。全モデルや全機器の対応は保証されず、速度はSSD、キャッシュ、要求条件に依存します。公開APIには認証がないためアクセス制御が必要で、モデル重みのライセンスも別です。公開スループットは回答品質や自社機器の性能保証ではありません。 - canivel/dynolab
Dyno Labは、ローカルモデルの動作を観察し仮説を試すApple Silicon向け研究アプリです。研究者は質問、プロンプト、モデル、実験設定を入力し、応答、活性化測定、保存資料を得ます。要求の確認、研究ノート、比較実験、線形プローブ、小型の疎なオートエンコーダー作業を提供します。アプリにPythonとMLXは含まれますが、モデル重みは別途取得して起動します。Apple SiliconとmacOS 14以上が必要で、大きなGGUFモデル向けWindows NVIDIA作業機との接続は実験的GPUプールです。読み込み済みモデルの測定と別のモデル複製を起動する実験では必要メモリが異なります。Python SDK、HTTP API、ローカルstdio MCPを備えますが、MCPの開始だけではモデルや実験は自動実行されません。結果はローカル保存でも、接続した外部アシスタントが読んだ結果を提供者へ送る可能性があり、公開範囲の確認が必要です。活性化の大きさやモデルが出力した思考は安全認証でも内部計算の忠実な説明でもありません。公式資料も探索実験と検証済み安全監視器を区別しています。 - huawei-csl/MACaQ
MACaQは、対応モデルの重みと一部の実行方式での活性値を低精度に変換し、ローカル推論の資源負担を減らすための較正付き量子化ツールです。対応する元のモデルファイルと代表的な較正用テキスト、プロンプト、条件画像を入力し、小さなGGUFまたはsafetensorsのチェックポイントと処理設定を出力します。確認した密なテキストモデルの経路では、活性値の統計で重みの大きさを調整し、ブロックHadamard変換を行った後に低ビット量子化とコードブックの調整を実施します。文書に示されたテキスト、拡散生成、音声モデル群には個別の接続実装があるため、モデル非依存という名称をすべての構造への自動対応とは解釈できません。llama.cpp経路は二、三、四ビットの重み形式を扱い、別の経路は重みと活性値を各四ビットにするW4A4などを提供しますが、一部の部品は高い精度を維持します。変換を含む通常のGGUF経路は同梱ランタイムを使い、MACaQ-Rは一部のMoEモデルで既存形式を変えずに重みコードを調整し、標準llama.cppで動くと説明されています。準備には実行方式別の依存関係、一致する元の重み、較正資料、作業用ストレージが必要で、ガイドはPython 3.12、vLLM向けLinux、llama.cpp向けCPU経路を示しています。保存済みモデルの再読み込みで較正は繰り返しませんが、ランタイム互換性と元モデルの許諾条件は残り、拡散モデルのガイドはあるコミュニティ音声チェックポイントのライセンスが不明だと明記しています。READMEのメモリー、速度、品質の数値は今回再現しておらず、別のモデル、装置、用途で同じ結果を保証するものではありません。
Trendshiftのランキングに入ったリポジトリだけを載せ、リストは候補を探すためだけに使いました。順位の数字は転載していません。説明、ライセンス、スター数は各GitHubリポジトリで確認しました。解説は私たちの判断です。これらを試験したわけではなく、上昇リストに載ったことは品質の証明ではありません。