首页 /研究 /人形机器人缩放行为基础模型
LOCOMOTION

人形机器人缩放行为基础模型

Weishuai Zeng, Kangning Yin, Xiaojie Niu, Shunlin Lu, Weixiang Zhong, Jiahe Chen, Feiyu Jia, Xiao Chen, Zirui Wang, Furui Xu, Ming Zhou, Kailin Li, Weinan Zhang, He Wang, Li Yi, Dahua Lin, Jiangmiao Pang, Jingbo Wang

发表年份
2026
访问权限
开放获取

摘要

本文探讨了人形机器人行为基础模型(BFM)的缩放方法,通过协调运动跟踪学习范式、策略性数据协同和可扩展模型架构三大核心组件,显著提升了模型性能。实验表明,全局帧下的全身行为再现与策略性数据多样性结合,是实现有效缩放的关键。

关键词

humanoid controlbehavior foundation modelscaling lawwhole-body coordinationmotion tracking

相关论文

查看 LOCOMOTION 分类全部论文