春晚上，《武 BOT》給人留下了深刻印象。表演中，人形機器人 G1 和 H2 在快速奔跑中完成了穿插變陣和武術(shù)動作，展現(xiàn)出了高動態(tài)、高協(xié)同的全自主集群控制技術(shù)。

而現(xiàn)在，北京通用人工智能研究院（BIGAI）、宇樹、上海交通大學(xué)和中國科技大學(xué)等機構(gòu)的一項新研究在這個方向上更推進(jìn)了一步，提出了OmniXtreme：第一個可以執(zhí)行各種極限動作的通用策略，包括連續(xù)翻轉(zhuǎn)、極限平衡，甚至可以通過快速接觸切換進(jìn)行霹靂舞。

這種能力的實現(xiàn)過程首先是預(yù)訓(xùn)練一個基于流的生成控制策略（flow-based generative control policy），然后針對復(fù)雜物理動力學(xué)進(jìn)行「驅(qū)動感知殘差強化學(xué)習(xí)」（actuation-aware residual RL）的后訓(xùn)練。其中后訓(xùn)練這一步對于成功實現(xiàn)真實世界的遷移至關(guān)重要。

該項目的通訊作者之一、BIGAI 研究科學(xué)家 Siyuan Huang 在 X 上表示：「我們花了一整年時間深入研究通用跟蹤和極端物理行為之間的障礙。在測試了數(shù)十臺 G1 機器人之后，我們最終找到了學(xué)習(xí)和物理執(zhí)行能力方面的瓶頸?！?/p>

值得注意的是，宇樹科技聯(lián)創(chuàng)和 CEO 王興興也在這篇論文的作者名單中。論文一作為 Yunshen Wang 和 Shaohang Zhu。

論文地址：https://arxiv.org/abs/2602.23843

項目地址：https://extreme-humanoid.github.io

代碼地址：https://github.com/Perkins729/OmniXtreme

方法：打破高動態(tài)控制的泛化壁壘

在人形機器人的運動控制領(lǐng)域，研究人員長期面臨一個被稱為「泛化壁壘（generality barrier）」的困境。

當(dāng)動作庫的規(guī)模和多樣性增加時，傳統(tǒng)的統(tǒng)一強化學(xué)習(xí)策略往往會遭遇性能崩潰，這在高動態(tài)動作的物理部署中尤為明顯。這種崩潰源于兩個相互疊加的瓶頸：仿真環(huán)境中的學(xué)習(xí)瓶頸（多動作優(yōu)化的梯度干擾）以及物理執(zhí)行瓶頸（真實世界復(fù)雜的驅(qū)動約束）。

為了從根本上解決這一問題，該研究團隊提出了OmniXtreme框架。該框架將動作技能的學(xué)習(xí)與物理驅(qū)動的微調(diào)進(jìn)行了巧妙的解耦，分為「基于流的可擴展預(yù)訓(xùn)練」與「驅(qū)動感知的殘差后訓(xùn)練」兩個核心階段。

階段一：基于流的可擴展預(yù)訓(xùn)練

在第一階段，研究團隊的目標(biāo)是賦予模型極高的表示容量，使其能夠掌握大量異構(gòu)的極限動作，同時避免傳統(tǒng)多動作強化學(xué)習(xí)中常見的保守化平均傾向。

研究人員首先整合了 LAFAN1、AMASS、MimicKit 等多個高質(zhì)量動作數(shù)據(jù)集，并將其重定向至宇樹 G1 人形機器人上。

針對這些參考動作，團隊利用 PPO 算法訓(xùn)練了一系列專家策略。隨后，OmniXtreme 采用了基于數(shù)據(jù)集聚合 (DAgger) 的知識蒸餾技術(shù)，將這些專家策略的行為統(tǒng)一融合到一個基于流匹配的生成式策略中。

在數(shù)學(xué)表達(dá)上，基于流的模型通過優(yōu)化以下目標(biāo)函數(shù)來學(xué)習(xí)從純噪聲中恢復(fù)專家動作的過程 ：

在上述公式中，a_t 表示在流時間步 t 下，專家動作 a_{expert} 與隨機噪聲 ε 之間的插值動作。該目標(biāo)函數(shù)使得模型能夠?qū)W習(xí)到一個速度場 v_θ，從而在推理時通過正向歐拉積分生成高精度的連續(xù)控制動作。為了保證物理穩(wěn)定性，團隊在這一階段僅引入了適度的噪聲和域隨機化，確保策略能夠準(zhǔn)確捕捉底層的物理動力學(xué)特征。

階段二：驅(qū)動感知的后訓(xùn)練

預(yù)訓(xùn)練得到的流匹配策略雖然在仿真中表現(xiàn)出了驚人的跟蹤精度，但現(xiàn)實世界中的電機非線性特性往往會導(dǎo)致這種高動態(tài)表現(xiàn)大打折扣。

為了實現(xiàn)平滑的「仿真到現(xiàn)實」遷移，團隊凍結(jié)了預(yù)訓(xùn)練的基礎(chǔ)策略，并在其之上訓(xùn)練了一個輕量級的 MLP 殘差策略。該殘差策略無需重新學(xué)習(xí)動作跟蹤，主要負(fù)責(zé)輸出修正動作以對抗真實的硬件約束。

為了讓殘差策略真正理解物理世界的殘酷，團隊在訓(xùn)練環(huán)境中引入了三個層面的深度建模：

1. 激進(jìn)的域隨機化

研究人員將初始姿態(tài)噪聲、外力干擾幅度、角速度等常見域隨機化參數(shù)的范圍大幅提升了最高 50%。更為關(guān)鍵的是，他們將終止閾值放寬了 1.5 倍（例如將軀干方向誤差容忍度從 0.8 弧度放寬至 1.2 弧度）。這種設(shè)計給予了殘差策略充足的探索空間，使其能夠?qū)W會在大偏差狀態(tài)下進(jìn)行極限挽救，極大地增強了系統(tǒng)的魯棒性。

2. 功率安全驅(qū)動正則化

執(zhí)行后空翻等高動態(tài)動作時，機器人會產(chǎn)生巨大的瞬態(tài)制動負(fù)載。常規(guī)的強化學(xué)習(xí)管線通常缺乏對此類負(fù)載的約束，從而極易在真實硬件上觸發(fā)過流保護或熱應(yīng)力宕機。OmniXtreme 創(chuàng)新性地引入了針對機械功率的懲罰機制，其核心在于計算關(guān)節(jié)扭矩與角速度的乘積，即瞬時機械功率 P=τ?ω。

對于超出安全死區(qū)的高額負(fù)功率（再生制動），團隊?wèi)?yīng)用了嚴(yán)格的二次懲罰函數(shù) ：

在實際應(yīng)用中，該懲罰項被重點施加于膝關(guān)節(jié)，因為膝關(guān)節(jié)在沖擊與恢復(fù)階段最容易承受破壞性的制動負(fù)載。

3. 驅(qū)動感知的扭矩與速度約束

單純的扭矩截斷往往會忽略由反電動勢引起的與速度相關(guān)的物理限制。團隊將真實的電機運行包絡(luò)線直接集成到了仿真器中，定義了隨關(guān)節(jié)速度幅值單調(diào)遞減的容許扭矩函數(shù)。此外，系統(tǒng)還通過非線性摩擦項對執(zhí)行器級別的內(nèi)部損耗進(jìn)行了建模 ：

該公式精確捕捉了從靜摩擦到動摩擦的平滑過渡，并計算了與速度相關(guān)的耗散阻尼。

純機載的實時部署

在硬件部署方面，OmniXtreme 展現(xiàn)出了極高的工程完成度。

整個推理管線（包括基于正向運動學(xué)的狀態(tài)估計、流匹配基礎(chǔ)策略以及殘差策略）均使用 TensorRT 進(jìn)行了深度優(yōu)化。在宇樹 G1 人形機器人的機載 NVIDIA Jetson Orin NX 平臺上，系統(tǒng)實現(xiàn)了約 10 ms 的端到端推理延遲，完美支持 50 Hz 的高頻閉環(huán)控制。

實驗表現(xiàn)：全方位挑戰(zhàn)極限測試

為了全面評估 OmniXtreme 的可擴展性與魯棒性，研究團隊不僅使用了標(biāo)準(zhǔn)的 LAFAN1 動作庫，還精心挑選了約 60 個極具挑戰(zhàn)性的動作，構(gòu)建了 XtremeMotion 評估集。這些動作包含了極高的角速度、頻繁的接觸切換以及嚴(yán)苛的時序約束。

可擴展的高保真跟蹤能力

在仿真環(huán)境中，OmniXtreme 與傳統(tǒng)的「從頭訓(xùn)練多動作強化學(xué)習(xí)」基線模型以及「專家到統(tǒng)一 MLP 蒸餾」基線模型進(jìn)行了直接對比。數(shù)據(jù)表明，OmniXtreme 在所有指標(biāo)上均實現(xiàn)了碾壓。面對難度激增的 XtremeMotion 數(shù)據(jù)集，傳統(tǒng)方法的跟蹤誤差顯著增加，而 OmniXtreme 依舊維持了極低的運動學(xué)誤差和極高的成功率。

在現(xiàn)實世界的宇樹 G1 機器人上，團隊選取了 XtremeMotion 中的 24 個不同高動態(tài)動作進(jìn)行了 157 次物理測試。測試涵蓋了后空翻、雜技、霹靂舞、武術(shù)等多個動作類別。

最終，OmniXtreme 斬獲了 91.08% 的整體平均成功率。其中，后空翻類動作的成功率高達(dá) 96.36%，武術(shù)類動作達(dá)到 93.33%，霹靂舞類動作也保持在 86.36% 的高水平。這證明了仿真中的高保真度成功跨越了現(xiàn)實鴻溝。

下面展示了一些示例：

托馬斯全旋、上旋、向前爬行和后空翻。

霹靂舞

武術(shù)

為了驗證系統(tǒng)是否打破了泛化壁壘，團隊設(shè)計了漸進(jìn)式的壓力測試。他們將訓(xùn)練動作集從 10 個逐步擴展到 20 個，最終擴展到 50 個，并使用固定的前 10 個動作進(jìn)行統(tǒng)一評估。

實驗結(jié)果揭示了顯著的差異。隨著動作多樣性的增加，傳統(tǒng)從頭訓(xùn)練的強化學(xué)習(xí)基線模型出現(xiàn)了嚴(yán)重的性能衰退，其成功率從 100% 暴跌至 83.3%，最終滑落至 73.9%。

相比之下，OmniXtreme 展現(xiàn)出了驚人的韌性，在 50 個動作的龐大訓(xùn)練集下，其對核心動作的跟蹤成功率依然堅挺在 93.3%。這徹底推翻了高保真度必定隨著多樣性增加而崩潰的固有認(rèn)知。

模型規(guī)模的 Scaling Law

在人工智能的發(fā)展歷程中，增加模型參數(shù)量往往能帶來性能的飛躍，但這一規(guī)律在傳統(tǒng)的運動控制領(lǐng)域似乎失效了。團隊對比了不同參數(shù)規(guī)模（20M、50M、70M）的模型表現(xiàn)。

圖表數(shù)據(jù)清晰地顯示，傳統(tǒng)的 MLP 策略在擴大參數(shù)量后很快就陷入了性能飽和，跟蹤精度提升極其有限。

與之形成鮮明對比的是，基于流匹配的生成式策略完美契合了 Scaling Law。隨著參數(shù)量向 70M 邁進(jìn)，OmniXtreme 的跟蹤精度與魯棒性呈現(xiàn)出顯著且穩(wěn)定的線性增長。這說明生成式預(yù)訓(xùn)練為人形機器人控制系統(tǒng)提供了一條切實可行的能力進(jìn)化路徑。

現(xiàn)實世界執(zhí)行力的深度消融

究竟是哪些機制賦予了機器人如此強大的物理穩(wěn)健性？團隊通過消融實驗給出了答案。

對于具有強爆發(fā)力的翻騰動作（如后空翻），僅僅引入電機約束就足以保障穩(wěn)定執(zhí)行，因為這避免了底層硬件極限的瞬間崩潰。然而，對于包含高頻接觸轉(zhuǎn)換的霹靂舞動作，系統(tǒng)必須同時依賴電機約束與激進(jìn)的域隨機化，才能在接觸擾動中維持時序敏感的平衡。

最嚴(yán)苛的挑戰(zhàn)來自于包含高速沖擊緩沖的雜技落地動作。團隊發(fā)現(xiàn)，如果沒有功率安全正則化機制，即使模型在姿態(tài)上維持了平衡，也會因為電機瞬態(tài)制動導(dǎo)致過流或電池欠壓而宣告失敗。

這充分說明，真實世界的極度敏捷必須建立在聲、光、電、熱等多維物理約束的精確建模之上。

https://x.com/siyuanhuang95/status/2028506522633073132

文章來源：機器之心。