人形机器人无需统一训练数据即可学会复杂动作序列
首尔国立大学(Seoul National University)的工程师推出RISE框架,在宇树科技(Unitree)G1上把行走与操作衔接起来。
作者: Giovanni Sapere
阅读约2分钟由人工智能辅助撰写 · 审校与批准:Giovanni Sapere

要教会双足机器行走穿过房间并操作物体,通常需要不间断的演示序列,而这很难可靠地录制。首尔国立大学的一个研究团队构建了名为RISE的视觉-语言-动作架构,它把独立采集的行走数据和操作数据连接起来,以执行连续任务。该系统降低了训练实体机器的负担,推动了实用机器人技术的发展。
双技能训练的瓶颈
由人工智能驱动的视觉-语言-动作模型,使机器能够结合视觉场景理解自然语言指令,在先进机器人技术中执行物理动作。据TechXplore报道,把这些系统应用于人形机器人,会带来一个根本性的机械难题。行走依赖腿部协调与平衡,操作则需要精确的手臂和手部追踪。工程师试图采集同时包含这两种行为的完整多阶段演示时,中间动作中的任何一次小失误都会毁掉整个数据集。采集单独的行走或抓取示例要简单得多,但分开的数据集无法教会机器何时该停下一种行为、何时该开始下一种。
把责任分配给各个专家
为了在没有端到端任务演示的情况下弥合这一差距,首尔国立大学工学院教授Songhwai Oh带领的团队创建了RISE,全称为Responsibility-Induced Specialized Experts。研究已被IROS 2026会议接收,据TechXplore报道,该框架把共享的视觉-语言感知系统与一个元控制器和若干动作子模块配对。在学习阶段,控制器衡量每个动作的预测准确度,并分配一个称为“责任”的运行得分。得分较高的子模块对特定动作拥有更大影响力,从而在没有预设角色的情况下,自动把工作划分为行走和操作。随后,系统在执行过程中监测这些专家权重的变化,把这些变化作为自动触发器,在各阶段之间切换。
在实体硬件上测试多阶段执行
研究人员先在模拟环境中评估该架构,然后部署到实体硬件上,使用配备两只Dex3-1灵巧手的Unitree G1。据TechXplore报道,这一实体配置使机器获得43个可控自由度。在涉及瓶子、杯子和水果、包含两至四个阶段任务的数字测试中,新方法的平均成功率为87.3%,超过了基于英伟达(NVIDIA)GR00T基础模型的基线所取得的73.6%。在实体Unitree机器人上,任务最多包含五个阶段,包括取回一件物品、移动位置并拾起第二件物体。在实体条件下,系统的成功率为50.0%,随着任务复杂度上升,比基线高出20个百分点,这标志着自主系统的未来出现了一项有前景的创新。
另请阅读The Patent:北京研究人员借助AI在12秒内设计出骨支架
由英文原文自动翻译. 阅读原文
The Patent ® 编辑部的文章,借助人工智能,依据编辑部选定的来源撰写。审校、更正及批准发布:Giovanni Sapere。责任出版方:WitUp Ltd。



