一句话直觉

让机器人做体操级的高难动作。

秘诀是把"跟跳"和"临时改主意"拆成两步。

这套方法之于动作生成，就像导航软件之于开车。

先有能跑各种路的底盘，再叠一个按目的地实时重规划的导航。

是什么·为什么

要解决的问题：人形机器人的两条老路走不到一起。📎

一条是"一个策略管很多技能"。它会做很多动作，但探索不足，动作不自然。

另一条是"一段动捕训一个策略"。动作自然，但每加一个技能都要重新调打分函数，扩不到几百种。

更要命的是：就算学了一堆原子技能，怎么让机器人在推理时按任务自由组合、切换？📎

BeyondMimic 的转身：两步走，第一步学动作，第二步学生成。📎

第一步证明跟跳不需要复杂打分。靠精准的关节建模加极简打分，一套配置能复盖上百段动捕。

第二步用扩散模型学"人类动作长什么样"。推理时用任意新目标的梯度引导它生成，无需重训。

方法核心（大白话）：第一步，给每段人类动捕训一个跟跳策略。

关键不再堆复杂打分项。只用一项任务分（位置、朝向、线速度、角速度四项高斯指数和）加三项正则轻罚。

机器人关节调成低阻抗，像软弹簧。落地有缓冲，动作自然。

"锚点对齐"是另一个关键。机器人的躯干当锚点直接对齐参考。

其他部位只在锚点坐标系下追目标。允许整体 yaw 和高度慢慢漂移，但保住动作风格。📎

这套打分和关节调校对所有动捕共享。一百多段人类动捕能一口气训出来。

第二步，把这些跟跳策略的"动作口味"蒸馏进一个扩散模型。

扩散模型学的不是某段动捕，而是"人类动作整体长什么样"。

它学的是一个梯度场：每一步告诉你"怎么改更像人"。

到要用的时候，你给一个新目标。比如"往那个点走"或"躲开障碍"。

模型在生成每一步动作时，顺着新目标的梯度微调方向。

这样不用重训就能完成训练时没见过的任务。📎

为什么重要：第一个在真机上做出侧空翻、连续翻滚的人形强化学习。

侧空翻腾空阶段峰值加速度约 31 米每平方秒。骨盆角速度峰值 20 弧度每秒，达到人类专业水平。📎

用户研究七十七人，整体偏好这套方法百分之七十，远超机器人原厂控制器。

更关键的是扩散模型能解决四类任务。速度跟随、航点导航、避障、动作补全，都靠推理时的不同代价。

训练时不需要枚举任务。这是人形控制从"专人专模"走向"通用模型"的关键一步。📎

一句话类比：BeyondMimic 之于任务切换，就像同声传译之于发言。

译员（扩散模型）先学好一门语言的全部味道。

换话题（新目标）时不用重新学语言，只要边听边顺着话题调词。

怎么做

核心机制·两阶段加零调优。

阶段一用强化学习训跟跳策略，每段参考一个策略，但打分和关节调校全共享。

阶段二把策略蒸馏进一个潜空间，再训一个状态-动作扩散模型，推理时用梯度引导。📎

阶段一的关键设计：

1. 锚点对齐跟踪。参考动作在世界系，但仿真和真机会整体漂移。把躯干当锚点直接对齐参考；其他部位的目标在锚点坐标系下表达。这个变换丢掉锚点的 yaw 和高度漂移，保住风格。📎
2. 极简打分（一项任务分加三项正则）。任务分是单一函数 $r_{\text{task}}=\sum_s\exp(-\bar e_s/\sigma_s^2)$，把位置、朝向、线速度、角速度四类误差各用一个高斯指数压到零一之间再求和。再叠三项正则轻罚：关节限位、动作平滑、自碰撞接触。对比前作一堆打滑、绊脚、接触力项，这是论文的"打分极简主义"卖点。📎
3. 低阻抗关节。每关节刚度按启发式配：自然频率 10 Hz、阻尼比 2（过阻尼）。关键是反射惯量用齿轮比平方乘转子惯量来估。前作用高刚度让关节像硬位置伺服，真机不可行——会放大噪声、丢掉落地缓冲。低阻抗是 sim-to-real 自然度的关键。📎
4. 自适应采样。长动作不同段难度差很大。按一秒切桶，每桶维护失败率，优先采难段。难段熟练后失败率衰减，渐回均匀。这是 DeepMimic 均匀采样的自适应强化版。📎
5. 最小域随机化。只随机三类：摩擦、默认关节位置偏移（踝关节较大）、躯干质心偏移。论文反对过重的域随机化。📎

阶段二为什么用扩散而不是 VAE 或 GAN：

VAE 和 GAN 学显式分布，只能采样不能优化。扩散学的是梯度场，每一步告诉你怎么改更像数据。由贝叶斯反推，任意可微代价都能在推理时引导生成，无需重训。📎

阶段二的两件套：

• 条件 VAE：不是对原始动作做编码。编码器只吃参考相位加锚点误差，把跟跳策略压成潜向量。解码器吃潜向量加其他本体感受，出动作。用 DAgger 在跟跳策略 rollout 上模仿训练。
• 状态-动作潜扩散：在 VAE rollout 上采轨迹，每步含若干历史步加若干未来步。每个状态和潜向量有各自的去噪步，这样能在时间轴上做"补全"——部分步清晰、部分步加噪。📎

推理时的分类器引导：给定任务代价（摇杆速度误差、航点距离、障碍距离场），在每个去噪步用代价的梯度引导去噪方向。滚动 horizon 的模型预测控制风格。关键设计是状态-动作联合建模：代价定义在状态空间，但生成对应的动作。这绕开了前向动力学模型的高维难题。📎

常见误区（先抛一个，完整版见末尾）："扩散模型太慢，真机没法用。"——能缓解。论文用潜空间加轻量解码器加最新观测，纯 C++ 加移动 GPU 部署：tracking 单步推理一毫秒以内（ONNX Runtime，CPU），扩散策略频率降到 25 赫兹（tracking 是 50 赫兹）腾出推理时间，靠 TensorRT 加 RTX 4060 Mobile 跑去噪；预测 horizon 零点六四秒。侧空翻这类高频动作真机跑通了。📎

深度

锚点对齐的形式化。锚点 b 的目标直接等于参考 $T_b^{\text{des}}=T_b^{\text{ref}}$；其他部位在锚点坐标系下表达：$T_b^{\text{des}}=A(T_b^{\text{ref}},T_{\text{anchor}})$，其中 $A$ 是 yaw-aligned 加 height-preserving 变换——丢掉锚点的 yaw 和 z 漂移，保留部位相对锚点的姿态。📎

观测与动作（不对称 actor-critic）。观测含参考相位、锚点位姿误差（用 Rot6D 表示，取旋转误差矩阵前两列避免四元数不连续）、IMU 系下_twist、关节角相对默认、关节速度、上一步动作。critic 额外看每个部位相对锚点的笛卡尔位姿，直接在笛卡尔空间估跟踪误差。动作是归一化关节位置设定点 $\theta^{\text{sp}}=\theta_0+\alpha\odot a$，其中 $\alpha=0.25\tau_{\max}/k_{p,j}$ 是每关节动作缩放（四分之一最大扭矩除以关节刚度）。不 clip 到关节限位——它是扭矩整形的中间变量。📎

PD 增益启发式（Supp. S1）。每关节 $k_{p,j}=I_j\omega^2$，$k_{d,j}=2I_j\zeta\omega$。其中 $I_j=k_g^2 I_{\text{rotor},j}$ 是反射惯量（齿轮比平方乘转子惯量，忽略子树惯量）；$\zeta=2$（过阻尼，因反射惯量被低估）；$\omega=2\pi\times 10$ Hz（10 Hz 自然频率，促柔顺）。📎

域随机化精确集（Supp. S1）：静摩擦 $\mu_s\sim U(0.3,1.6)$、动摩擦 $\mu_d\sim U(0.3,1.2)$、恢复系数 $e\sim U(0,0.5)$；默认关节位置偏移多数 $\sim U(-0.01,0.01)$ rad，踝关节较大 $\sim U(-0.1,0.1)$；躯干质心偏移 x∈[-0.025,0.025] m、y/z∈[-0.05,0.05] m。再加随机速度扰动（间隔 1–3 秒、平动 ±0.5 m/s、转动 ±0.52–0.78 rad/s）。📎

终止条件：锚点或任一末端偏离过大即终止——位置 z 偏离超 0.25 m 或锚点朝向误差超 0.8 rad。📎

条件 VAE 损失（modified ELBO）：

$$\mathcal{L}_{\text{VAE}}=\mathbb{E}_{q_E}\|\hat a-a\|^2+\beta\,D_{KL}(q_E(z|\psi,e_{\text{anchor}})\,\|\,\mathcal{N}(0,I))$$

编码器只吃参考相位加锚点误差；解码器吃潜向量加其他本体感受。DAgger 式训练。📎

状态-动作潜扩散：DDPM 噪声调度，denoiser 学 $\hat\tau=z_\phi(\tau^k,k)$，最小化 $\|\hat\tau-\tau\|^2$。每个状态和潜向量各有自己的去噪步——支持 horizon 上的补全。推理从高斯噪声开始迭代去噪；当前动作由当前去噪后的潜向量经 VAE 解码器用最新观测解出。

真机敏捷动作关键数字（Sec. Results）：约 2.5 小时人类动捕 retarget 到人形，仿真全部训出；30 段代表（共 15 分钟）零样本部署真机 Unitree G1。侧空翻空中峰值加速度 31 m/s²、骨盆角速度峰值 20 rad/s（均值 7.01）；对比人类专业侧空翻均值 7.75 rad/s。连续翻滚、C罗庆祝跳连做五次（前作只能一次）。GRF 走步呈双峰、跑步单峰，与人类力板数据形状对齐（缺 toe 关节使走步峰更尖）。用户研究 N=77，整体偏好 70.8% vs 29.2%（$p<.001$，Cohen's $h=0.859$）；跑步偏好 84.7% vs 15.3%（$h=1.532$）。📎

通用控制（零样本无重训）：摇杆速度跟踪误差走步 12.14%、跑步 13.65%；50 米连续跑无失败；可被踢不倒并继续追任务。多模态步态：低速命令随机出走或轻跑，只给速度自动走跑过渡。动作补全：从摇杆走注入侧空翻关键帧，扩散自动补全平滑过渡。任务组合：航点加避障联合优化。📎

消融：Rot6D 远优于四元数优于轴角（轴角直接失败）。📎

局限：

1. 扩散推理延迟：Transformer Encoder denoiser 约 19.8M 参数，引入非可忽略延迟。靠潜空间加轻量解码器加最新观测缓解：tracking 单步一毫秒以内（ONNX Runtime，CPU），扩散策略频率降到 25 赫兹（tracking 50 赫兹），TensorRT 加 RTX 4060 Mobile 跑去噪，预测 horizon 0.64 秒——对 reactive control 够，对 long-horizon planning 不足。📎
2. 模式切换下去噪不稳：高方差状态下要去噪不稳，要加大引导权重，又破坏去噪稳定。这是 trade-off 没全解。📎
3. 细粒度任务弱：粗粒度（航点、速度）很好，细粒度（高精度定位）仍需轻量调参。
4. 依赖 toe 关节：缺 toe 使走步 GRF 峰更尖、push-off 不够自然。这是硬件限制。
5. 每动捕一个跟跳策略：虽打分共享，仍是 N 个策略，靠 VAE 蒸馏才合并。阶段一成本随动捕数线性增长。［未确认］
6. 论文未明示：历史步数 N、各项 nominal 误差 σ_s 精确值、去噪步数 K、G1 具体 DoF 配置（Supp. S1 提到 G1 用四台两级行星执行器并给了 armature 计算）。［未确认］

研究者视角

图谱定位：BeyondMimic 是 T12（敏捷运动）转折 8 的终点，把"剧烈动作 sim-to-real 是否本质无解"推进到"工程精度足够时可解"。📎

它同时在 motion prior 谱系里引入一个新形态：扩散作为 motion prior。

motion prior 谱系的形态链：［未确认］

• AMP（2021）：判别器 = 风格 reward。
• ASE（2022）：判别器 + 互信息 = latent skill 库。
• PHC / UHC（2023）：skill 库升级成 universal tracker。
• BFM（2025.09）：tracker 放大为生成式 motor foundation（CVAE）。🌐
• BeyondMimic（2025.08）：tracker + 扩散，把"任务组合"交给推理时的梯度引导。
• SONIC（2025.11）：tracker 放大到 42M 加 universal token，接 VLA。🌐

BeyondMimic vs BFM 的对照：两者同期、同方向（把 motor policy 当可复用基座），机制不同。［未确认］

BFM 是生成式 CVAE 策略，把所有行为压成一个隐空间，下游靠掩码切任务。

BeyondMimic 是 tracker 加扩散，下游靠推理时梯度引导切任务。

BFM 的"多任务"在训练时统一；BeyondMimic 的"多任务"在推理时组合。SONIC 后来把两者的规模化路线推到极致。

两个反转趋势：

1. 打分极简主义。前作（ANYmal-C、OmniH2O 等）越加越多打分项，BeyondMimic 反其道：一项任务分加三项正则就够，靠锚点对齐加低阻抗加自适应采样解决鲁棒性。📎
2. 状态-动作联合扩散。Diffusion Policy 是动作-only 扩散；BeyondMimic 让状态和动作联合去噪，代价定义在状态空间、生成对应动作，绕开前向动力学模型。这是 DP 思路在全身控制上的进化。［未确认］

Open problems：

1. 扩散推理延迟的根治：当前靠潜空间加轻量解码器缓解。能否用一致性模型或蒸馏把延迟压到毫秒级，仍开放。［未确认］
2. 模式切换稳定性：高方差状态下去噪不稳与引导权重的 trade-off 没根本解。📎
3. 每动捕一个策略的可扩展性：阶段一仍是 N 个策略。能否像 BFM/SONIC 那样一个模型覆盖全部动捕，是后续路线选择。［未确认］

常见误区

检查点

FAQ