PHC：让物理机器人「摔了能自己爬起来」的永动机器人控制器
🎯 为什么重要：物理仿真的「现实gap」卡在「摔倒怎么办」
把视频里估计的人体姿势送进物理仿真器驱动小人，是做实时虚拟形象（avatar）的标准管线。但这里有个致命问题：
之前的两条出路都不太行：
| 方案 | 做法 | 问题 |
|---|---|---|
Residual Force Control (RFC) UHC | 在小人根部加一个「上帝之力」托住它 | 小人会飞、漂浮，物理真实感被破坏（"hand of God"） |
Fail-safe Reset Egopose | 快摔倒时 teleport 回 kinematic 姿势 | 瞬移感强，仍然依赖不可靠的参考姿势 |
额外 Recovery Policy ASE | 摔倒时切到另一个「起身」策略（能自然起身，已解决早期 recovery policy [7] 的高频抖动） | 起身后不知道怎么回到参考动作，无法接回 imitate |
PHC 的目标：一个单一策略，既会模仿、又会自然起身并走回参考轨迹，全程无外力、无重置——所以叫「Perpetual（永续）」。
💡 核心思想：PMCP——分阶段加容量，不掉旧技能
要做出「永动机器人」控制器，瓶颈不是网络大小，而是灾难性遗忘：学了新动作（比如 fail-state recovery），旧的模仿能力就退化了。PHC 的核心方法是 Progressive Multiplicative Control Policy (PMCP)。
这套思路脱胎于 Progressive Neural Networks (PNN)，但有个关键改造：PNN 原本要人工指定「用哪个子网络」，这里因为动作之间高度相关（走和跑共享大量东西），改成 Composer 自动学一个加权，把各 primitive 的输出做乘性融合。于是既能复用旧技能、又能特化新难题。
🛠️ 工程上怎么落地：四个让小人「站得稳」的设计
| 设计 | 心智 | 为什么必要 |
|---|---|---|
| ① AMP 风格奖励 | 除了「贴近参考姿势」还给一个「看起来像人」的对抗奖励 | 尤其在 fail-state 起身时根本没有参考姿势可追，必须有先验保证动作自然不抽搐 |
| ② Relaxed Early Termination (RET) | 判定「摔倒」时忽略脚踝和脚趾的偏离 | 仿真小人的脚是单段刚性，真人脚是多段的；逼着脚踝严格贴合 MoCap 反而会让小人失衡 |
| ③ Energy Penalty | 奖励里加一项 $-0.0005\sum_j|\mu_j\omega_j|$（力矩×角速度） | 没有「上帝之力」托底后，策略容易学出高频抖动脚来维持平衡；能量惩罚直接掐掉这个 trick |
| ④ Keypoint 输入版（Ours-kp） | 不输入关节旋转，只输入 3D 关键点 | 关键点比旋转角更容易从图像估计（且更稳），让 PHC 能直接接视频姿态器 |
摔倒时，参考姿势已经没意义了（你不能让一个趴在地上的人去模仿站立的 MoCap）。PHC 的处理非常优雅：把参考姿势的非根关节直接替换为仿真当前的值，于是「模仿任务」瞬间退化成「走到根目标位置」的 point-goal 任务——小人只要爬起来、走到参考根位置附近（<0.5m），就能无缝切回完整模仿。这一招让 recovery 自然衔接回 imitate。
📊 结果：98.9% AMASS 覆盖，90% 视频噪声成功率
| 维度 | 数字（论文 Table 1/2/4） |
|---|---|
| AMASS 训练集模仿成功率 | 98.9%（UHC+RFC: 97%，UHC 无外力: 84.5%） |
| AMASS 测试集（未见动作） | 96.4%（UHC+RFC: 96.4%，但 UHC 无外力只剩 62.6%） |
| H36M-Motion（跨数据集） | 92.9%（UHC 无外力只有 23.6%） |
| 视频噪声姿势成功率（H36M-Video） | 88.7% ~ 91.9%（UHC 无外力只有 18.1%） |
| Fail-state 恢复（10秒内） | 倒地+远离场景：98.8%；纯倒地：98.8%；纯远离：99.5% |
| 训练规模 | 4 个 primitives（含 recovery），单卡 A100 训练≈一周 |
| 运行速度 | 策略 30Hz、仿真 60Hz，>30 FPS 实时 |
| 动作空间 | SMPL 24 刚体、23 个驱动关节、$a_t\in\mathbb{R}^{23\times 3}$ |
🌐 在领域中的位置
PHC 是physics-based motion imitation「告别外力」的分水岭。它把「video-to-physics」这条管线第一次推到了「可实时、可容错、可量产」的产品级，是后续 Meta 全身 codec、quest-sim 类工作的底座。关联线索：T08 人形动作谱系。
❓ 常见误区
PHC 是生成式模型吗？
不是。它是一个基于 RL（PPO）的目标条件控制策略。生成性体现在 AMP 对抗先验上，但主体策略是确定性的回归（高斯）。生成「新动作」是下游 motion generator（如 MDM）的事，PHC 是跟踪器。
四个 primitive 不会让推理很慢吗？
不会。Composer 是一个轻量 MLP，输出各 primitive 的组合权重；primitive 本身也只是两层 MLP（[1024, 512]）。整条 forward 仍在 30FPS 以上，瓶颈在仿真而非策略。
「Perpetual」是不是永远不摔？
不是。「Perpetual」指的是不依赖 reset——摔了能自己爬起来继续。论文坦白：高度动态的动作（高跳、后空翻）仍然学不好，因为单帧目标 $q̂_{t+1}$ 无法表达「助跑起跳」这种需要规划/intent 的动作。
和 ASE 的起身策略有啥本质区别？
ASE 只解「从地上站起来」这一个动作；PHC 把「起身 + 走回参考轨迹 + 恢复模仿」作为一个连续任务端到端解掉了——通过目标折叠把 imitate 退化成 point-goal，让衔接无缝。