佛罗里达人机认知研究所、西佛罗里达大学提出一套可在机器人运行时编辑的行为系统。Unitree H1-2和自研Alex人形机器人完成六类真实任务，其中推门穿越用时34秒，在人为干扰下分拣六个彩球用时45秒。
把推门拆成可现场修改的动作
人形机器人开门要同时处理脚步、手臂、抓握、门板回弹和身体避障。团队用以物体为中心的Affordance Template描述门把手、门板和目标位置，再用树结构组织条件、顺序、回退与并行动作。
操作界面与机器人持续同步，工程师可以在执行前或执行中查看场景状态、调整动作基元并重新运行。动作最终交给全身控制器，因此机器人可以在手臂维持接触时继续迈步，而不是把走路和操作完全分开。
图：论文素材展示Alex完成拉门和穿越。
从零创建行为控制在小时级
论文记录了实际创作过程。Alex的一套左推门行为从空序列到首次全自动成功，用时1小时59分48秒；把已有拿瓶动作与推门动作组合后，首次自主完成拿瓶、开门并穿过门框，用时1小时13分49秒。
这种速度来自复用动作基元和现场调参，并非机器人自行从经验中学会新技能。实验由专家操作员编写、观察和修复行为，运行时可编辑缩短了开发闭环，但也把效果与操作员经验、感知设置和动作库质量绑定在一起。
图：论文素材展示Alex移动并分拣彩球。
34秒和45秒对应具体演示
系统在门任务中完成接近、抓把手、推拉门板和穿越；彩球任务要求机器人在两张桌子间移动并按颜色分拣六个球，过程中加入人为干扰。论文还展示了拿瓶穿门、不同门型适配等变体，用于证明动作组合和修改能力。
这些结果没有给出面向开放环境的大规模成功率，也没有把所有任务与端到端学习系统放在同一硬件和同一协议下对比。34秒和45秒说明单次已调好流程的执行速度，不能写成机器人对任意门或任意物体都能稳定处理。
图：论文素材展示拿瓶、开门和穿越的连续过程。
可审计行为仍有部署价值
对于仓库巡检、实验室维护和受控工业现场，显式行为树便于工程师查看机器人下一步要做什么，也能在失败后定位感知、路径或控制节点。相比不可解释的长策略，局部替换动作更容易形成安全评审和回归测试。
下一步应在更多操作者、门型和干扰条件下统计首次成功时间、重复成功率和人工接管次数。运行时编辑还需要权限控制、动作边界和版本记录，避免现场修改绕过安全约束；这些工程指标会决定小时级创作是否真的降低长期维护成本。
行为库扩展后还会出现组合冲突。拿瓶动作可能占用一只手，推门节点却默认双手可用；系统需要在组合前检查资源、身体姿态和接触约束，而不是等机器人走到门前才发现前提不成立。
对专家工具而言，可解释界面同样要测使用成本。小时级首个成功包含多少手动拖拽、参数尝试和机器人复位，任务完成后又需要多少维护，决定了系统是否能从研究团队推广到普通工程人员。
团队还可建立标准化任务包，保存场景模型、行为树版本、动作参数和运行日志。不同机器人在同一任务包上的迁移时间与成功率，能更直接回答这套架构是否真的跨平台，而不只是支持两台已深度调试的设备。
安全测试则要覆盖门把手脱落、脚下障碍、视觉丢失和人突然进入路径等异常。行为树容易加入显式回退，但每个回退动作也必须在真实机器人上验证；暂停、后退或松手若处理不当，同样可能造成失衡和碰撞。
参考资料
https://arxiv.org/abs/2609.01518
https://www.youtube.com/playlist?list=PLJK5CTyotYqsfgfnXb-09YNFeBose6uEY
