人形机器人Loco-Manip工作梳理：数据、策略、力控与VLA的技术链路

该文系统梳理了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Loco-Manip的技术链路，即移动与操作同时发生的任务。接触不仅指手部抓取，还包括脚底支撑、重心、物体受力及全身动作调用。数据层面，OmniRetarget等关注交互保持，HumanX、HDMI从人类视频提取交互经验，Human-as-Humanoid等降低采集成本但引入跨本体误差。策略集成方面，SceneBot使用逐身体部位接触标签，OmniContact采用接触流接口，CoorDex建立身体-手协同，HALOMI引入主动感知，WT-UMI加入触觉与力监督。生成式路线中，GenHOI、GRAIL等通过生成视频或3D资产补充长尾数据，但需物理验证。

接触后稳定性方面，FALCON关注力自适应，HMC采用异构元控制，WoCoCo通过顺序接触学习，GentleHumanoid和CHIP强调柔顺性。VLA与世界模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身如OpenHLM、WholeBodyVLA尝试全身原生控制，ROVE处理人工接管接管机器人遇到搞不定的任务时，由人类操作员通过网络远程接手完成。既是服务兜底，也是一次免费的教学示范。◆ 小白科普 · 现身问题。文章指出，统一接触接口、生成式物理一致性、触觉数据规模化及VLA接触因果仍是未解难题。