把一段春晚群舞视频，变成 9 台 Unitree G1 人形机器人同步起舞。复刻 Datawhale every-embodied 教程，全链路跑通：视频 → 人体姿态 → 动作重定向 → 机器人 3D 演示。
左：输入的人类群舞原片（前 24s）。右：重定向后 9 台 Unitree G1 的 3D 动作（viser 逐帧渲染，含原视频相机锥）。两侧均为 720 帧 @30fps，逐帧对齐。
人体动作 ──重定向──▶ 机器人关节轨迹
机器人侧由 viser 3D 演示逐帧定格截取后合成（非实时录屏，静态页无法承载 3D 引擎）， 因此播放完全流畅，且与左侧原片逐帧对齐。完整交互版（可旋转视角、逐帧、切换轨迹）见仓库 README「跑法」。
测试数据：本项目为复刻项目、无公开基准——输入为春晚群舞视频 dance_1.mp4（1280×720，1180 帧 @30fps ≈ 39s，detectron2 检出 9 位舞者；演示与重定向结果取前 24s = 720 帧），评测为复刻保真度的定性对照（原片与机器人重定向结果逐帧并排，见图 1、图 2）。
全链路复刻跑通：春晚群舞视频 → 9 位舞者姿态 → 9 台 Unitree G1 机器人动作 → 交互式 3D 演示。关键数字如下（复现步骤、踩坑与诚实边界详见仓库 README）。
图 3 · 五阶段管线：输入视频 → PromptHMR（SMPL-X）→ GMR 重定向（G1 29 DoF）→ 机器人动作 → viser 3D 演示
输入一段单目群舞视频（dance_1.mp4，1280×720，无深度/多视角）；输出 9 台 Unitree G1 的 29-DoF 关节轨迹（逐帧 38 连杆位姿，30fps）与 viser 3D 交互演示。五阶段，重推理在 Kaggle GPU（P100，全流程约 90–100 分钟），3D 演示在 Mac CPU。
阶段细节：PromptHMR 从单目视频重建 SMPL-X 人体网格与姿态序列（--static-camera 绕开缺失的 SLAM 权重）；GMR 重定向输出 root_pos / root_rot / dof_pos；机器人动作为 9 条 robot_motion_track；viser 在 Mac 本地 CPU 实时渲染。