feat(HumanML3D): 笔记逐条核查改正，十二幕动画、三个交互演示与配音视频

_data/papers.json

@@ -4982,8 +4982,8 @@
         "dir": "HumanML3D",
         "has_open_source": true,
         "summary_zh": "HumanML3D 把 AMASS 与 HumanAct12 的动捕统一到 20 fps、同一副骨架与朝向，再请人每段写 3 句话，得到 14,616 段动作 / 44,970 条描述 / 28.59 小时；论文同时给出两阶段生成方法（t…",
-        "explainer_scenes": 9,
-        "video_seconds": 430,
+        "explainer_scenes": 12,
+        "video_seconds": 651,
         "published_date_zh": "2022年6月（CVPR 2022）",
         "published_date_en": "Jun 2022 (CVPR 2022)",
         "zhname": "HumanML3D：从文本生成多样且自然的 3D 人体动作",

scripts/paper_video/README.md

@@ -25,7 +25,7 @@
 | `sonic` | `assets/js/demos/sonic.js` 七幕 | 约 5 分 32 秒 |
 | `gmr` | `assets/js/demos/gmr.js` 七幕 | 约 5 分 25 秒 |
 | `omniretarget` | `assets/js/demos/omniretarget.js` 七幕 | 约 5 分 7 秒 |
-| `humanml3d` | `assets/js/demos/humanml3d.js` 九幕 | 约 7 分 11 秒 |
+| `humanml3d` | `assets/js/demos/humanml3d.js` 十二幕 | 约 10 分 51 秒 |
 | `smp` | `assets/js/demos/smp.js` 八幕 | 约 8 分 37 秒 |
 | `domain_randomization` | `assets/js/demos/domain_randomization.js` 八幕（`dr-explainer`） | 约 8 分 20 秒 |
 | `quadterrain` | `assets/js/demos/quadterrain.js` 九幕（`qt-explainer`） | 约 9 分 27 秒 |
@@ -81,7 +81,7 @@ node check_layout.mjs awr cover       # 封面排版检查，输出 no overlap 
 - Chromium：设置 `CHROME=/path/to/chrome`，否则用 playwright-core 默认路径。几篇可以同时渲染（各自写 `stage.<paper>.built.html`）。
 - 走 TLS 代理时设置 `SSL_CERT_FILE`，`build.py` 会让 edge-tts 用这份 CA。
 - 新增一篇：写 `papers/<paper>.py`（`SCRIPT` / `DISPLAY`）和 `papers/<paper>.js`（`window.PaperVideo` 的 `arxiv` / `intro` / `outro`；没有 arXiv 版本的论文改写 `badge`，如 HumanML3D 的 `'CVPR 2022'`，角标就显示会议名），`<paper>` 是 `assets/js/demos/<paper>.js` 的 bundle 名；讲解动画的演示 id 不必叫 `<paper>-explainer`（`diffusion_policy.js` 里是 `dp-explainer`、`beyondmimic.js` 里是 `bm-explainer`），`render.mjs` 会从 bundle 里读出 `'…-explainer'` 那个 id。
-- 放进笔记：网页版再压一次（`-crf 27 -tune stillimage -b:a 64k -ac 1 -movflags +faststart`；PPO 5.2 MB，更长的 AWR 用 `-crf 30` 压到 7.1 MB，DeepMimic 用 `-crf 29` 压到 6.2 MB；AMP 用 `-crf 31` 压到 6.4 MB，六分多钟的 PHC 用 `-crf 32` 压到 8.5 MB，ADD 加 `-preset slow` 同 `-crf 32` 压到 8.3 MB，七分多钟的 ASE 用 `-preset slow -crf 33` 压到 9.5 MB；六七分钟的 CALM / PULSE 用 `-preset slow -crf 31` 压到 7.9 / 9.4 MB，八分钟的 Diffusion Policy 用 `-preset slow -crf 33` 压到 9.9 MB；约三分钟的 Cosmos 用 `-preset slow -crf 30` 压到 4.3 MB，GR00T N1 用 `-preset slow -crf 31` 压到 7.0 MB；六分钟上下的 Transformer / π₀ / π₀.₅ 同参数压到 7.7 / 8.2 / 8.7 MB，SONIC / GMR / OmniRetarget 同参数压到 7.0 / 7.3 / 6.7 MB，七分多钟的 HumanML3D 同参数压到 9.2 MB；八分半的 SMP 用 `-preset slow -crf 34`、音频降到 `-b:a 48k` 压到 9.7 MB，八分多钟的域随机化同样 48k 音频、`-preset slow -crf 35` 压到 9.9 MB（`-crf 34` 是 10.2 MB），九分半的四足野外盲走同样 48k 音频、`-preset slow -crf 36 -tune stillimage` 压到 10.4 MB（`-crf 35` 是 10.8 MB），十分半的真实世界人形行走同参数改 `-crf 37` 压到 11.1 MB（`-crf 36` 是 11.4 MB；对话里交付的是 `-crf 19` 原片），十分钟出头的 OP3 足球（十二幕）同样 48k 音频、`-preset slow -crf 36 -tune stillimage` 压到 11.4 MB（`-crf 35` 是 11.8 MB），将近十分钟的 LCP（十幕，第二版改成以动图为主，画面一直在动，体积比同长的静帧多）用 `-crf 37` 压到 11.3 MB（渲染原片 35 MiB 超了 30 MiB，对话交付改用 `-crf 21` + 96k 单声道音频重编码，27.8 MiB），十分钟出头的 ASAP（十二幕，同样以动图为主）同参数 `-crf 37` 压到 11.3 MB（`-crf 36` 是 11.7 MB；原片 34.5 MB，只降音频的 `-c:v copy` 仍有 30.2 MiB，对话交付同 LCP 用 `-crf 21` + 96k 单声道，26.6 MiB），九分 47 秒的 BeyondMimic（十二幕，第二版，片尾改预告 InEKF）同参数 `-crf 37` 压到 11.3 MB（原片 34.0 MiB，对话交付用 `-crf 21` + 96k 单声道，27.1 MiB），十分 6 秒的接触辅助 InEKF（十二幕）同样 48k 音频、`-preset slow -crf 36 -tune stillimage` 压到 11.1 MB（`-crf 37` 是 10.7 MB；`-crf 19` 原片 29.5 MiB，没超 30 MiB，对话里直接交付原片），11 分 16 秒的 Berkeley Humanoid（十二幕）同样 48k 音频、`-preset slow -crf 37 -tune stillimage` 压到 12.1 MB（`-crf 36` 是 12.6 MB；`-crf 19` 原片 35.8 MiB，四段并行渲染 20,295 帧，对话交付同 LCP 用 `-crf 21` + 96k 单声道，28.5 MiB），13 分 30 秒的 ToddlerBot（十二幕，旁白第一版 15 分钟、压短两轮后仍是全系列最长；2026-10-10 片头 CoRL 改成整词念后重渲，2026-10-11 改用论文原图、重画锥齿轮、补 DDPM 一句后再重渲）同参数 `-crf 37` 压到 14.5 MB（`-crf 19` 原片 41.4 MiB，四段并行渲染 24,303 帧；对话交付用 `-crf 23` + 96k 单声道，29.8 MiB），海报由 `cover.png` 缩到 540×960 的 jpg，与海报一起放到笔记目录的 `media/`，接线方式见 `AGENTS.md`「配音讲解视频（`K.video`）」。
+- 放进笔记：网页版再压一次（`-crf 27 -tune stillimage -b:a 64k -ac 1 -movflags +faststart`；PPO 5.2 MB，更长的 AWR 用 `-crf 30` 压到 7.1 MB，DeepMimic 用 `-crf 29` 压到 6.2 MB；AMP 用 `-crf 31` 压到 6.4 MB，六分多钟的 PHC 用 `-crf 32` 压到 8.5 MB，ADD 加 `-preset slow` 同 `-crf 32` 压到 8.3 MB，七分多钟的 ASE 用 `-preset slow -crf 33` 压到 9.5 MB；六七分钟的 CALM / PULSE 用 `-preset slow -crf 31` 压到 7.9 / 9.4 MB，八分钟的 Diffusion Policy 用 `-preset slow -crf 33` 压到 9.9 MB；约三分钟的 Cosmos 用 `-preset slow -crf 30` 压到 4.3 MB，GR00T N1 用 `-preset slow -crf 31` 压到 7.0 MB；六分钟上下的 Transformer / π₀ / π₀.₅ 同参数压到 7.7 / 8.2 / 8.7 MB，SONIC / GMR / OmniRetarget 同参数压到 7.0 / 7.3 / 6.7 MB；八分半的 SMP 用 `-preset slow -crf 34`、音频降到 `-b:a 48k` 压到 9.7 MB，八分多钟的域随机化同样 48k 音频、`-preset slow -crf 35` 压到 9.9 MB（`-crf 34` 是 10.2 MB），九分半的四足野外盲走同样 48k 音频、`-preset slow -crf 36 -tune stillimage` 压到 10.4 MB（`-crf 35` 是 10.8 MB），十分半的真实世界人形行走同参数改 `-crf 37` 压到 11.1 MB（`-crf 36` 是 11.4 MB；对话里交付的是 `-crf 19` 原片），十分钟出头的 OP3 足球（十二幕）同样 48k 音频、`-preset slow -crf 36 -tune stillimage` 压到 11.4 MB（`-crf 35` 是 11.8 MB），将近十分钟的 LCP（十幕，第二版改成以动图为主，画面一直在动，体积比同长的静帧多）用 `-crf 37` 压到 11.3 MB（渲染原片 35 MiB 超了 30 MiB，对话交付改用 `-crf 21` + 96k 单声道音频重编码，27.8 MiB），十分钟出头的 ASAP（十二幕，同样以动图为主）同参数 `-crf 37` 压到 11.3 MB（`-crf 36` 是 11.7 MB；原片 34.5 MB，只降音频的 `-c:v copy` 仍有 30.2 MiB，对话交付同 LCP 用 `-crf 21` + 96k 单声道，26.6 MiB），九分 47 秒的 BeyondMimic（十二幕，第二版，片尾改预告 InEKF）同参数 `-crf 37` 压到 11.3 MB（原片 34.0 MiB，对话交付用 `-crf 21` + 96k 单声道，27.1 MiB），十分 6 秒的接触辅助 InEKF（十二幕）同样 48k 音频、`-preset slow -crf 36 -tune stillimage` 压到 11.1 MB（`-crf 37` 是 10.7 MB；`-crf 19` 原片 29.5 MiB，没超 30 MiB，对话里直接交付原片），11 分 16 秒的 Berkeley Humanoid（十二幕）同样 48k 音频、`-preset slow -crf 37 -tune stillimage` 压到 12.1 MB（`-crf 36` 是 12.6 MB；`-crf 19` 原片 35.8 MiB，四段并行渲染 20,295 帧，对话交付同 LCP 用 `-crf 21` + 96k 单声道，28.5 MiB），13 分 30 秒的 ToddlerBot（十二幕，旁白第一版 15 分钟、压短两轮后仍是全系列最长；2026-10-10 片头 CoRL 改成整词念后重渲，2026-10-11 改用论文原图、重画锥齿轮、补 DDPM 一句后再重渲）同参数 `-crf 37` 压到 14.5 MB（`-crf 19` 原片 41.4 MiB，四段并行渲染 24,303 帧；对话交付用 `-crf 23` + 96k 单声道，29.8 MiB），10 分 51 秒的 HumanML3D（十二幕，2026-10-11 从九幕重做）同参数 `-crf 37` 压到 11.7 MB（`-crf 36` 是 12.1 MB；`-crf 19` 原片 35.0 MiB，四段并行渲染 19,548 帧；对话交付用 `-crf 21` + 96k 单声道，28.5 MiB），海报由 `cover.png` 缩到 540×960 的 jpg，与海报一起放到笔记目录的 `media/`，接线方式见 `AGENTS.md`「配音讲解视频（`K.video`）」。
 
 ## 并行渲染
 

scripts/paper_video/RELEASE_PLAN.md

@@ -44,7 +44,7 @@
 - [x] 019 [Contact-Aided InEKF](../../papers/09_State_Estimation/Contact-Aided_Invariant_EKF_for_Legged_Robots/Contact-Aided_Invariant_EKF_for_Legged_Robots.md)（2018 / 2019）🎬 `inekf` — day6「状态估计先于动作」：融合 IMU、接触与足端运动学，估计身体姿态和速度。〔取舍〕先看 BeyondMimic 的跟踪能力，再补状态估计背景；这是教学关联，不表示 BeyondMimic 采用该论文的 InEKF。day6 对应 [RSS 2018 会议版](https://arxiv.org/abs/1805.10410)；上游清单收录的是 [IJRR 2020 扩展版](https://arxiv.org/abs/1904.09251)（标题去掉了 Legged，2019 年挂 arXiv），2026-10-08 以扩展版为准重写笔记、单列两版关系，新做十二幕动画、三个交互演示与配音视频（约 10 分钟），片头接 018 的片尾预告，片尾只预告 020 Berkeley Humanoid；同日按看片反馈换上 Robot_Description_Gallery 新的 Cassie 图（UMich BipedLab 展示模型，灰色），第 2、3、4、6、10 幕的火柴人改成 Cassie 鸟腿（画法同 014 真实世界人形行走的 Digit 下半身，Digit 的腿就是 Cassie 的腿；连杆按 MuJoCo Menagerie 的 Cassie 模型，大腿 : 小腿 : 跗骨 = 0.12 : 0.50 : 0.41 m，跗骨跟着大腿转），只出了第 1–4、6、10、12 幕的改动片段；2026-10-09 再按看片反馈把第 2 幕改成左右脚交替、旁白「C++」连成一个词念，并对照 IJRR 原文逐幕复查，改正第 6 幕 GPS 的归属（世界中心左不变、机器人中心右不变，表 2 / 3）、第 8 幕 QEKF 的宽度按图 6 读图（约为真值一半）、第 10 幕路标可观性（要有已知位置的路标）、第 1 幕激光雷达「怕暗」、第 5 幕图 4 的初始误差（旋转向量 (π/2, π/2, π/2)，约 156°）、第 6 幕「靠前 2 cm、高 2 cm」等，第 3 幕竖直分量放大 20 倍显出「多算一倍」，当时只出了改动的片段；截至 2026-10-10 已发布（用户确认）。发布标题用扩展版英文标题（与 `_data/papers.json` 一致）
 - [x] 020 [Berkeley Humanoid](../../papers/12_Hardware_Design/Berkeley_Humanoid_A_Research_Platform_for_Learning-based_Control/Berkeley_Humanoid_A_Research_Platform_for_Learning-based_Control.md)（2024）🎬 `berkeley_humanoid` — day6「仿真与硬件」：硬件、执行器辨识与仿真训练共同设计。LCP 在该平台上验证，属于部署平台关联。〔取舍〕承接状态估计，补上控制命令落到硬件这一环。2026-10-09 新建笔记：以 arXiv v1 为准（上游清单收录的是它，附录表 4–6 也只在这一版），对照 ICRA 2025 版（课题组主页 8 页 PDF）与官方训练代码；论文只说「用简单实验单独测每个执行器的摩擦」，没写台架细节，笔记与视频都按此表述。新做十二幕动画、三个交互演示（减速比与转子惯量、关节的力矩—速度包络与摩擦、窄 / 宽随机化的单关节玩具）与配音视频（11 分 16 秒），片头接 019 的片尾预告，片尾只预告 021 ToddlerBot；2026-10-10 按看片反馈修字幕「M L P」被切成两行（build.py 改为先换成字幕写法再切行），并在 MLP 第一次出现时加一句「多层感知机」的解释，只出了第 1 幕的改动片段；同日旁白里的 EtherCAT 改念 EE-ther-cat（大写的 CAT 会被逐字母念），再按「全局检查物理与逻辑」逐幕复查（分幕并行审查、逐条复核后再查一遍回归），改正第 2–12 幕：单摆一起松手计数、弹簧两端固定随膝压缩、转子与输出同向 9:1、线缆从前面穿进空心轴、从背后穿出、25 kHz 画成实心带、摔倒越倒越快且不再一帧躺平、髋两轴斜 45°、去掉四样分两种理由、库仑（滑动）/ 黏性摩擦与示意测点、「不属于这两类的笼统参数」不随机化、机身 ±1 kg 按躯干折算、命令与步态一致、踢到才推、坡上脚掌贴坡、跳跃走抛物线、安全绳定长等，笔记同步；配音重建为 11 分 35 秒，当时只出了第 2–12 幕的改动片段；同日基于最新合并提交重建配音，并用 8 路并行、24 段分三批完成整片重渲（11 分 35 秒，1080×1920、30 fps、20,854 帧，CRF 19 原片 37.8 MB），逐段帧数、音画时长、全片解码、Chrome 播放、排版与封面检查均通过，已修正 Chrome 回放因全范围标记而偏暗的问题，整片与网页版本统一为有限范围 `yuv420p`，渲染命令也同步修正；笔记内压缩视频与海报已更新；完整原片和封面已上传百度网盘 `/学习/RLPN/BerkeleyHumanoid/`，两者回下载的 SHA-256 均与本地一致，2026-10-11 已发布（用户确认）。发布标题用 arXiv 英文标题（与 `_data/papers.json` 一致）
 - [x] 021 [ToddlerBot](../../papers/12_Hardware_Design/ToddlerBot_Open-Source_ML-Compatible_Humanoid_Platform_for_Loco-Manipulation/ToddlerBot_Open-Source_ML-Compatible_Humanoid_Platform_for_Loco-Manipulation.md)（2025）🎬 `toddlerbot` — day6「仿真与硬件」：把校准、数字孪生、遥操作采集与部署工具连成完整平台。〔取舍〕与 Berkeley Humanoid 连着讲，由硬件与仿真对齐走向整套工具链；片尾从遥操作采集引出 022 HumanML3D / 023 GMR 的动作数据与重定向。2026-10-09 新建笔记：以 arXiv v4（CoRL 2025 版）为准，对照 v1（执行器模型从 6 参数改成 9 参数、表 3 全部重测）与官方代码 2.0（50 → 200 Hz、膝去掉平行连杆、`rsl_rl`）；新做十二幕动画、三个交互演示（一台 Dynamixel 在仿真里长什么样、拿掉一个参数 chirp 跟踪差多少、功率因子按身高体重选电机）与配音视频，片头接 020 的片尾预告，片尾只预告 022 HumanML3D「人类动作数据从哪里来」；2026-10-10 按看片反馈把片头的 CoRL 改成一个词写、一个词念（原来逐字母念），整片重渲后换进笔记；同日又按「格式错位」与「多用图少用文字、动效符合物理」两轮反馈逐幕修改，已出 12 幕改动片段，整片待确认后重渲；2026-10-11 已发布（用户确认）
-- [ ] 022 [AMASS / HumanML3D](../../papers/14_Human_Motion/HumanML3D/HumanML3D.md)（2019 / 2022）🎬 `humanml3d` 可选 — AMASS / HumanML3D→GMR；视频讲的是 HumanML3D
+- [ ] 022 [AMASS / HumanML3D](../../papers/14_Human_Motion/HumanML3D/HumanML3D.md)（2019 / 2022）🎬 `humanml3d` — AMASS / HumanML3D→GMR；视频讲的是 HumanML3D。2026-10-11 按 ToddlerBot 之后的排期重做：笔记对照 CVPR 正文、补充材料与两个官方仓库逐条核查，改正十余处（片段 012314 的根转角是半角、实际约 −45.6°；根高度存绝对值不是速度；这段是 Eyes_Japan 的一段网球一发、先侧向冲出 2.3 m 再退回；feat_bias 在官方脚本里被除两次、实际放大 25 倍；早停是连续第 4 次不创新低；长度标签实际 9–49；局限分罕见 / 复杂 / 细粒度三类；消融「超过 6%」按相对掉幅读等）；讲解动画按「多用图少用文字」从九幕拆成十二幕，骨架换成片段 012314 的真实 22 关节数据，用上正文图 1、4、6 与补充材料图 3、6、8（图 6 的八条长度分布按像素量成读图近似值），每幕最多一条公式；新增三个交互演示（片段 012314 的 263 维、Text2Length 采样、R-Precision 玩具）；配音重写为 10 分 51 秒，片头接 021 的片尾预告（人类的动作数据从哪里来、怎样配上文字），片尾只预告 023 GMR（人和机器人骨架不同，怎样把人的动作搬到机器人身上），主动画各幕不预告下一篇；读音用同句合成比 log-mel DTW 核过「量出 / 还剩 / 长短 / 重建」，「L 1 重建误差」「倒计时」两处测不准，换了说法；整片四段并行渲染 19,548 帧（1080×1920、30 fps、CRF 19，逐段帧数与全片解码已核），网页版 `-preset slow -crf 37 -tune stillimage` 加 48k 单声道音频压到 11.7 MB 换进笔记，海报由封面缩成 540×960；待发布
 - [ ] 023 [GMR](../../papers/02_Motion_Retargeting/Retargeting_Matters__General_Motion_Retargeting_for_Humanoid_Motion_Tracking/Retargeting_Matters__General_Motion_Retargeting_for_Humanoid_Motion_Tracking.md)（2025）🎬 `gmr` — GMR 论文用 BeyondMimic 作中性训练框架做对比，所以排在它后面
 - [ ] 024 [OmniRetarget](../../papers/02_Motion_Retargeting/OmniRetarget__Interaction-Preserving_Data_Generation_for_Humanoid_Whole-Body_Loc/OmniRetarget__Interaction-Preserving_Data_Generation_for_Humanoid_Whole-Body_Loc.md)（2025）🎬 `omniretarget` — GMR→OmniRetarget