近日，来自北京大学与 BeingBeyond 的研究团队提出DemoHLM框架，为人形机器人移动操作（loco-manipulation）领域提供一种新思路——仅需 1 次仿真环境中的人类演示，即可自动生成海量训练数据，实现真实人形机器人在多任务场景下的泛化操作牛金财富，有效解决了传统方法依赖硬编码、真实数据成本高、跨场景泛化差的核心痛点。
核心挑战：人形机器人移动操作的"三重困境"
移动操作是人形机器人融入人类环境的核心能力（如搬箱子、开门、递物等），但长期受限于三大难题：
数据效率低：传统方法需采集大量真实机器人遥操作数据，成本极高且难以规模化；
任务泛化差：依赖任务特定的硬编码设计（如预定义子任务、专属奖励函数），换任务需重新开发；
Sim-to-Real 迁移难：基于仿真训练的策略常因物理引擎差异、传感器噪声，无法在真实机器人上稳定运行。
现有方案要么局限于仿真场景，要么需消耗数百小时真实遥操作数据，难以满足家庭、工业等复杂场景的实用需求。
DemoHLM：分层架构与数据生成革新，破解三重困境
DemoHLM 的核心创新在于"分层控制 + 单演示数据生成"双引擎，既保证了全身运动的稳定性，又实现了极低数据成本下的泛化学习。
分层控制架构：兼顾灵活性与稳定性
DemoHLM 采用"低层全身控制器 + 高层操作策略"的分层设计，解耦"运动控制"与"任务决策"：
低层全身控制器（RL 训练）：负责将高层指令（如躯干速度、上半身关节目标）转化为关节力矩，同时保证机器人全方位移动性与平衡能力。基于 AMO 框架优化，运行频率 50Hz，可稳定处理高接触场景（如抓取、推物时的力交互）；
高层操作策略（模仿学习）：通过视觉闭环反馈（RGBD 相机感知物体 6D 位姿），向低层发送任务导向的指令，实现复杂操作决策。支持 ACT、Diffusion Policy 等多种行为克隆（BC）算法，运行频率 10Hz，侧重长时域规划。
此外，团队为机器人设计了2DoF 主动颈部 +RGBD 相机（Intel RealSense D435），通过比例控制器实现"视觉追踪稳定"，模仿人类操作时的视线调节能力，避免物体遮挡导致的感知失效。
单演示数据生成：从" 1 次演示"到"千条轨迹"
DemoHLM 最关键的突破是无需真实数据，仅用 1 次仿真遥操作演示即可生成海量多样化训练数据，核心流程分三步：
演示采集：通过 Apple Vision Pro 捕捉人类动作，映射到仿真中的 Unitree G1 机器人，记录 1 条成功操作轨迹（含关节位姿、末端执行器位姿、物体位姿）；
轨迹转换与分段：将演示轨迹拆解为"移动（Locomotion）、预操作（Pre-manipulation）、操作（Manipulation）"三阶段牛金财富，并且通过坐标系转换实现泛化——
预操作阶段：采用"物体中心坐标系"，确保机器人在不同物体初始位姿下，末端执行器能精准对齐目标；
操作阶段：切换为"本体感知坐标系"，解决抓取 / 搬运时末端与物体相对静止的轨迹生成难题；
批量合成：在仿真中随机初始化机器人与物体位姿，自动调整各阶段指令并 replay，生成数百至数千条成功轨迹，形成训练数据集。
这一过程完全自动化，规避了传统模仿学习"数据采集地狱"，同时通过随机化初始条件，天然提升了策略的泛化能力。
实验验证：从仿真到真实的稳定表现
团队在仿真环境（IsaacGym）与真实 Unitree G1 机器人上，针对 10 项移动操作任务（如搬箱子、开门、倒水、递物等）开展全面验证，核心结果如下：
仿真：数据量与性能正相关，算法兼容性强
数据效率显著：随着合成数据量从 100 条增至 5000 条，所有任务成功率均大幅提升——例如" PushCube "成功率从 52.4% 升至 89.3%，" OpenCabinet "从 18.9% 升至 67.3%，且边际收益逐渐收敛，证明数据生成 pipeline 的高效性；
算法适配灵活：在 ACT、MLP、Diffusion Policy 三种 BC 算法上均表现优异，其中 ACT 与 Diffusion Policy 性能接近（如" LiftBox "成功率均超 96%），而简单 MLP 因缺乏时序建模能力性能稍弱，验证了框架对不同学习算法的兼容性。
Real-World：Sim-to-Real 迁移稳定，多任务落地
在改装后的 Unitree G1（加装 3D 打印夹爪、2DoF 颈部和单目 RGBD 相机）上，DemoHLM 实现零样本迁移，10 项任务中：
全成功率任务：LiftBox（搬箱子）、PressCube（按立方体）均实现 5/5 成功，操作流程与仿真高度一致；
高稳定任务：PushCube（推方块）4/5 成功、Handover（递物）4/5 成功，仅因地面摩擦差异导致个别失败；
复杂任务突破：GraspCube（抓方块）、OpenCabinet（开门）等需精准力控制的任务，成功率超 60%，在同类仿真训练方法中位于前列。
关键原因在于：高层策略通过视觉闭环实时调整指令，抵消了仿真与真实的物理差异（如关节跟踪误差），确保操作行为的一致性。
行业价值与未来方向
DemoHLM 的突破为人形机器人实用化提供了关键技术支撑：
降低落地成本：单演示 + 仿真数据生成，将训练成本从"数百小时真实遥操作"降至"小时级仿真演示"，大幅降低行业应用门槛；
提升泛化能力：无需任务特定设计，1 套框架适配多场景（家庭搬运、工业辅助、服务交互），加速机器人从"实验室"到"真实环境"的落地；
推动技术融合：分层架构可兼容触觉传感器、多相机感知等升级，为未来更复杂场景（如遮挡环境、柔性物体操作）打下基础。
团队也指出当前局限：依赖仿真数据可能存在长期的 Sim-to-Real 偏差，单 RGB-D 相机在复杂遮挡场景性能受限，且暂不支持未建模物体的操作。未来将探索"仿真 + 真实数据混合训练""多模态感知融合"等方向，进一步提升鲁棒性。
总结
DemoHLM 以"单仿真演示驱动泛化移动操作"为核心，通过分层控制架构与高效数据生成 pipeline，破解了人形机器人训练成本高、泛化差、迁移难的三大痛点。
其在 Unitree G1 上的真实落地验证，证明了该框架的实用价值，为下一代人形机器人在家庭、工业、服务场景的规模化应用提供了重要技术路径。
论文连接：https://arxiv.org/pdf/2510.11258
项目主页：https://beingbeyond.github.io/DemoHLM/
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
我们正在招聘一名眼疾手快、关注 AI 的学术编辑实习生 � �
感兴趣的小伙伴欢迎关注 � � 了解详情
� � 点亮星标 � �
科技前沿进展每日见牛金财富
恒汇证券app提示：文章来自网络，不代表本站观点。
