论文导读
加州大学伯克利分校提出Workhorse，用没有机器人参与的人类示范训练全身操作。宇树G1实机展示手搬纸箱、用脚踢箱、接住抛来的箱子，以及爬上0.39米高的行李箱取物。它把人类的手脚协作转成机器人可执行的接触动作，让身体多个部位共同操作物体。视觉规划与全身控制共用躯干、双腕、双脚的位置姿态，让人类动作能直接参与两类策略的训练。
两只手搬箱，第三个箱子交给脚
Workhorse的分箱任务要求机器人把两个箱子用手放好，再把第三个箱子踢进底部架子。双脚既负责行走，也参与操作物体。另一项实机展示中，G1接住飞来的箱子；行李箱任务则需要推动、翻倒、爬上和取高处物体。
其中行李箱重14公斤，高0.39米。机器人先把箱体移向架子，用腿抵住底部翻倒箱子，再站到箱子上拿高处纸箱，随后跳下。这是一段具体场景中的全身动作展示，不能理解成任意高度或任意箱体都能完成。
图：机器人在货架前搬运纸箱的动作叠加（Figure 1(a)）。
人类戴五个追踪器，记录身体如何配合
采集设备包括胸部相机，以及躯干、两手、两脚上的五个追踪器。一个示范者在一个房间完成记录，不需要每次都操作机器人复现动作。
训练时，系统以躯干、双腕、双脚的位置和姿态作为共同接口。视觉规划器根据相机画面与近期身体状态预测这些部位的目标，全身追踪器再把目标转化为机器人关节动作。两部分独立训练，使用同一批人类姿态记录，不先把完整人类关节动作逐一改写成机器人关节动作。
机器人视觉规划器每秒更新5次，全身追踪器每秒更新50次。规划决定未来一段身体部位如何移动，较快的追踪控制负责执行，让上层视觉决策和底层平衡调整可以按不同频率工作。
图：人类示范采集的胸部相机与穿戴追踪器（Figure 3(a)）。
训练时提前模拟另一部分会犯的错
分开训练带来一个问题：规划器看到的实际身体状态，可能已经偏离示范；追踪器收到的计划，也可能不够准确。研究团队分别给两部分加入扰动，让它们在训练中接触对方部署时可能造成的误差。
在重建示范房间的仿真测试中，完整系统分箱成功率77%，移除规划器增强后降到20%。带40牛顿秒推动扰动时，完整系统成功率64%，没有规划器增强的版本为0。这里的牛顿秒是推力冲量，不是持续推力大小。
这些成功率来自仿真房间。实机提供的是能力展示和连续恢复画面，论文没有给出对应的实机统计成功率。受扰动仿真中，完整系统仍有15%的回合跌倒，不能把恢复示例当成不会跌倒的保证。
图：重建房间中的G1仿真分箱场景（Figure 9(a)）。
未来应用：同样的人类示范，再训练另一种机器人
研究团队把相同人类记录用于另一种人形机器人H2，重新训练视觉规划与追踪策略，仿真分箱成功率83%。这个结果展示的是相同示范可服务不同机器人训练，并非把G1策略原封不动放到真实H2上运行。
后续工作包括真实H2部署，以及把手指、夹爪和头部状态加入共同接口。当前五个身体部位没有描述细致的手指动作，也不能单独控制承载相机的颈部。
采集还受房间内定位基站约束。作者希望使用无需固定基站的姿态估计，把示范带到更多场所。扩展记录环境，再测试机器人在新空间中的表现，能够进一步检验这些全身操作是否摆脱单房间条件。
参考资料
https://arxiv.org/abs/2610.09117
