λ₀：用500小时人类全身数据训练人形机器人移动操作

人形机器人要在真实环境中完成任务，难点往往不只是“用手抓住物体”，还包括走到目标附近、调整身体姿态、保持平衡，并让手臂和手部动作彼此配合。传统做法依赖机器人示范数据，但采集成本高、覆盖场景有限。λ₀项目尝试从人类行为中寻找更具规模化潜力的训练信号。

核心要点

• HumanVerse覆盖全身行为。 研究团队构建了一个500小时的数据集，将开放环境中的第一视角视频与同步采集的身体和手部运动结合起来。相比只关注手部操作的素材，这类数据保留了行走、姿态变化和全身协调信息。
• 重点解决人机迁移误差。 人类身体比例、摄像机位置和动作方式都不同于人形机器人。项目通过对齐相机视角和手臂外观，并在离线阶段优化动作参考与控制器输入，减少末端执行器误差，同时尽量保留原始动作中的全身协同性。
• 验证不依赖目标任务机器人示范。 研究在Unitree G1上进行零样本迁移，覆盖全身操作和长距离移动操作任务。也就是说，测试任务不需要额外提供对应的机器人示范数据。
• 数据规模带来可观察收益。 基于上述流程，团队训练了面向全身移动操作的基础模型λ₀。论文报告称，增加全身人类数据后，下游任务进展持续改善；λ₀在SIMPLE上的成功率为90.0%，在真实世界移动操作任务中的综合成功率为62.5%。

为什么重要

这项工作的价值不只在于公布一个数据集，而在于把“人类如何移动并操作物体”转化为更接近机器人控制需求的训练材料。第一视角视频提供环境和任务信息，身体与手部运动则补足了单纯视觉数据缺失的姿态与协调线索。通过离线对齐和控制修正，研究试图降低从人类动作到机器人执行之间的损失。

当然，人类示范并不会自动解决形态差异、接触动力学和控制稳定性问题。λ₀的结果更适合被理解为一种规模化数据路线的验证，而不是人形机器人已经获得通用能力。后续效果仍取决于数据覆盖范围、对齐质量以及机器人本体和控制器的适配程度。对行业而言，这项研究提示了一条清晰方向：在机器人数据昂贵的情况下，持续收集并加工大规模、全身化的人类行为，可能成为训练人形基础模型的重要补充。

来源：Hugging Face Daily Papers