ADAPT：面向鲁棒且可操控的在线文本驱动人形机器人控制的敏捷扩散动作先验

苏黎世联邦理工学院的研究团队提出ADAPT框架，用于交互式文本条件人形机器人人形机器人外形模仿人类、有头有手有腿的机器人。最大优势是能直接使用为人类世界设计的工具和空间——楼梯、门把手、工厂工位都不在话下。◆ 小白科普 · 现身全身控制。该方法与主流文本到运动管线不同，不生成运动学轨迹再交给独立跟踪器，而是采用端到端端到端指「从眼睛到手」由一个 AI 模型直接完成的技术路线：输入画面和指令，直接输出动作，中间不再由工程师人工拆分步骤。◆ 小白科普 · 现身闭环控制，使机器人持续响应变化指令，同时保持平衡和自然运动。ADAPT从文本标注的人形机器人人形机器人外形模仿人类、有头有手有腿的机器人。最大优势是能直接使用为人类世界设计的工具和空间——楼梯、门把手、工厂工位都不在话下。◆ 小白科普 · 现身状态-动作轨迹中学习基于扩散的动作先验，使多样运动技能可直接由语言指令执行。为提升长时程鲁棒性和指令切换平滑性，团队在冻结的扩散控制器上训练轻量残差强化学习强化学习一种 AI 训练方法：让机器人在亿万次「试错」中自己摸索，做对了就给奖励。机器人走稳路、跑酷空翻，大多是这么练出来的。◆ 小白科普 · 现身策略。实验表明，该方法能实现稳健的语言控制技能执行、平滑的交互切换及保持风格的下游控制任务，展示了扩散策略作为可操控文本条件运动先验的复用价值。