HuMBLE：以人类运动数据驱动的人形机器人行为学习框架

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 · 现身运动控制运动控制让机器人的身体按想法精准动起来、并保持平衡的技术，相当于人类的「小脑」。◆ 小白科普 · 现身长期面临两难：以指令跟踪和鲁棒性为目标的控制器往往产生机械步态步态机器人走路的方式和节奏。自然步态意味着走起来像人一样流畅，而不是僵硬摇摆的「机械步」。◆ 小白科普 · 现身，而绑定人类运动数据的控制器又难以泛化泛化指 AI 面对没见过的新东西、新场景时也能举一反三做出正确反应的能力。这是「通用机器人」和「专用机器」的分水岭。◆ 小白科普 · 现身到数据分布之外的指令。为此，研究者提出 HuMBLE 学习框架，旨在平衡上述目标，从人类数据中合成实时可转向、鲁棒且仿生的运动策略。

该方法首先利用内部整理的运动数据集数据集按统一格式整理好的大批量数据集合，是训练 AI 模型的「教材库」。开源数据集相当于整个行业的公共基础设施。◆ 小白科普 · 现身（涵盖不同速度和方向），通过教师-学生蒸馏学习自然运动先验策略：先以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 · 现身训练全身参考条件策略，再将其蒸馏为仅依赖本体感觉和平面躯干速度转向指令的轻量先验策略。随后，采用多任务强化学习微调该先验策略，以扩展指令覆盖和鲁棒性，超越数据分布。微调过程结合了目标条件任务（跟踪任意指令）和参考引导任务（跟踪人类数据作为显式风格正则化）。

研究在三种人形机器人上验证了框架：Boston Dynamics Atlas R1、Atlas D1 和 Unitree G1。实验结果表明，该策略在真实场景中表现鲁棒，包括室内外用户直接控制的运动，以及作为分层控制栈中的运动层集成。与未使用人类数据训练的 Tabula Rasa 强化学习策略的基准测试和消融研究证实，该框架生成了一种轻量、可部署部署把机器人真正放到工作现场长期干活，而不只是在实验室演示。部署规模决定了数据回流和经验积累的速度。◆ 小白科普 · 现身的策略，能够从转向指令重建协调的全身行为，在保持人类步态特征的同时兼具鲁棒性和完全可转向性。