HoloBoxing：把人形机器人打拳拆成“规划”和“执行”

人形机器人要完成拳击，不只是“把手伸出去”这么简单。它还需要协调躯干、腿部、手臂和重心，在持续变化的交互中完成出拳与应对。传统做法如果直接从关节动作开始强化学习，往往需要同时学习身体控制和任务策略，训练成本与探索难度都会上升。

HoloBoxing的核心思路，是把这两个问题拆开。研究建立在一个已经预训练好的全身控制器之上，并将其冻结。这个控制器负责把较高层的身体目标落实为关节级运动，因而不必在每次新任务训练中重新获得基本的全身协调能力。任务策略则由一个更紧凑的规划器承担，负责提出未来一段时间内身体关键点应到达的目标。

论文中的动作表示并不是直接控制全部关节，而是通过一个学习得到的解码器，将32维动作映射为结构化的目标窗口。这样的表示把任务决策压缩到较小的上层空间，也让规划器可以围绕“身体应该如何移动”进行决策，而不是处理数量更多、耦合更强的底层关节命令。

训练流程同样分为两个阶段。首先，研究者使用测量状态下的模仿信号初始化规划器，让它在强化学习开始前就具备可用的初始行为。随后，强化学习继续优化与交互有关的表现，使策略能够围绕拳击任务调整目标生成方式。解码器与全身控制器在这一过程中被复用，任务优化因此集中在较小的策略模块上。

论文报告，在已有全身控制器的前提下，这套方案的额外训练时间约为7分钟，并包括表示拟合复用和单GPU任务训练。不过，这一数字不包含控制器预训练、数据准备、评估与搜索成本，因此不能直接理解为从零训练一个会拳击的人形机器人只需7分钟。实验目前基于模拟拳击环境，研究还通过组件对照分析了模仿初始化和目标表示各自的作用。

从方法论看，HoloBoxing的价值不在于把拳击任务包装成一个更大的端到端模型，而在于强调“技能复用+紧凑规划”的工程路径。若预训练控制器能够覆盖更多稳定的全身运动，类似架构有机会迁移到其他需要身体协调和交互决策的任务。但其实际泛化能力仍取决于控制器本身、目标表示以及从模拟到现实的差距。至少在当前素材所涉及的范围内，HoloBoxing展示的是一种降低任务学习负担的训练配方，而不是已经解决通用人形机器人操作问题的最终方案。

来源：Hugging Face Daily Papers