T08 · 动作生成的 physics-aware 转向：从纯 kinematic 到真机可执行

一、这条线索在解决什么

动作生成（text-to-motion、music-to-dance、video-to-motion）在 CV/图形学里很火，但有个致命问题：生成出来的动作不能直接喂给机器人。

原因：纯生成模型（diffusion、VAE、transformer）输出的 SMPL/joint 序列没有物理约束——没重力、没接触、没摩擦。结果就是：

• 脚滑（foot skating）：脚在地上滑而不是踩
• 穿地（ground penetration）：脚穿过地板
• 悬浮（floating）：身体悬空
• 抖动、不连续：关节角跳变

直接把这些关节角送给真机，机器人要么摔倒（重心不对），要么电机过载（指令不连续）。

这条线索追踪三年里动作生成怎么一步步「物理化」：从纯 kinematic → physics-aware（post-hoc 投影 / RL finetune / guidance / 合流）→ on-robot（retarget + tracking），再到 2026 年由 motor foundation（SONIC）把整条链路收编为单一可扩展任务。

二、时间线

2021-2022 年是纯 kinematic 生成的黄金期。HumanML3D（[Guo 2022, CVPR]）定义了基准，TEMOS/MotionCLIP/Bailando 把 VAE/CLIP/GPT 用上。但全是「动画」，不能上机器人。

2022.09 MDM（[Tevet 2023, ICLR, arXiv:2209.14916]）把 diffusion 搬到动作域，被引 1800+，后续所有工作 baseline。但仍是纯 kinematic。

2023.10 出现第一次「物理化」尝试：PhysDiff（[Yuan 2023, ICCV, arXiv:2212.02500]）在 diffusion 每步去噪后用物理仿真器投影校正。同期 GMD（[Karunratanakul 2023, ICCV]）用 guidance 注入物理约束。这是 physics-aware 生成奠基。

2024 年 ReinDiffuse（[Han et al., WACV 2025, arXiv:2410.07296]）换思路：不用 post-hoc 投影，而是用物理可行性作 reward 直接 PPO finetune diffusion。MaskedMimic（[2024, SIGGRAPH Asia]）用 motion inpainting 统一生成与物理控制。

2025.08 BeyondMimic（[2025, arXiv:2508.08241]）是合流点：可扩展 RL motion tracking + guided diffusion state-action co-diffusion。让真机学会跳跃、翻滚、sprint 这种之前跟不上的高动态动作。这是动作生成线（本章）和 motion prior 线（T04）的合流。

2025.11 SONIC（[Luo & Yuan 2025, arXiv:2511.07820]）把 tracking 任务本身扩到 motor foundation 规模（100M 帧 / 700 小时 mocap / 21k GPU 小时 / 42M 参数），并提供 universal token space 把「生成 → 真机」直接收编为 VLA 的 action space。这让动作生成不再是一条独立 pipeline，而成为 motor foundation 的下游模态。

2026 上半年动作生成界再次换代：MotionHiFlow（[Li 2026, CVPR, arXiv:2604.23264]）用 hierarchical flow matching 取代 diffusion 做 text-to-motion，低分辨率→高分辨率渐进生成，声称同时改善文本对齐与物理合理性；UMF（[Huang 2026, CVPR]）用 Pyramid Motion Flow + Semi-Noise Motion Flow 解决 number-free 文本生成；FrankenMotion（[Li 2026, CVPR, arXiv:2601.10909]）把 body 当 part-level 组合体，每个 body part 由自己的 temporally-structured 文本 prompt 引导，diffusion transformer 在 sequence/action/part 三层做层级控制；MusicInfuser（[Hong 2026, CVPR, arXiv:2503.14505]）用 prior-preserving adaptation 把 music 听觉对齐注入预训练的 Mochi 文生视频 diffusion，直接出 music-synchronized 舞蹈视频。还有一条与机器人控制相邻的线：Riemannian Flow Matching Policy (RFMP)（[Braun & Jaquier 2024, IROS]）以及 2026 的 Riemannian Motion Generation (RMG)（arXiv:2603.15016）把动作当作 product manifold 上的几何对象、用 flow matching 学其上的速度场——为关节角/旋转这类有流形结构的量提供 principled 生成器，是 latent action 类方法的几何底座。

三、三种「物理化」方法的深度辨析

路线 A · Post-hoc projection（PhysDiff 式）

机制（精确细节，见 P-PhysDiff）：PhysDiff 不改 diffusion 训练，只在采样时插入一个 physics-based motion projection 模块 $P_\pi$。该模块核心是用 AMASS 等 mocap 数据预训练好的 motion imitation policy $\pi$——一个能在物理仿真器里控制人形 agent 模仿任意输入动作的 RL policy。每次 diffusion 从 $t$ 去噪到 $s$（$s强制物理约束（重力、接触、摩擦）的动作 $P_\pi(\hat x_{0|t})$，把它作为下一步去噪的干净-motion 估计继续往前推。论文强调三件事：(1) 这是 plug-and-play，对 MDM / MotionDiffuse 任意 denoiser 都适用；(2) 不能只在最后做一次 post-processing——因为最后那步去噪出的 motion 可能已经「太不物理」以至于 $\pi$ 跟不住、会被推出 data distribution（论文 Fig. 2 用「一次投影 vs 四次投影」做对比演示）。必须在 diffusion 内部把物理和去噪交替迭代，让 motion 一边贴近物理可行空间、一边贴 data 分布；(3) 论文发现projection 调度有 sweet spot：投影步数越多物理合理性越好（单调），但 motion quality 先升后降——太多投影会把 motion 推离 data 分布使其「物理但 unnatural」；而且加在晚期 diffusion step 比早期好（早期 step 的 motion 偏向训练集均值，投影反而把它推得更远）。最终 PhysDiff 在 HumanML3D 上把 physics error 降 >86%、FID 提升 >20%。

优点：不改 diffusion 训练，即插即用；对任意 denoiser 通用。

缺点：(1) 物理约束来自预训练的 imitation policy $\pi$，$\pi$ 跟不住的剧烈动作（跳跃、翻滚）投影也救不了——这恰好是机器人最想要的；(2) $P_\pi$ 不可微，不能端到端梯度回传；(3) 单步 projection 计算开销远大于图像域的约束梯度，不能每步都做。

路线 B · RL finetune（ReinDiffuse 式）

机制：先正常训 diffusion，再用物理可行性作 reward，PPO finetune 整个 diffusion 网络（denoiser 参数）。让生成器「内生」地学会物理。

优点：物理约束真正进入模型参数；推理时零额外开销。

缺点：训练复杂（diffusion + RL 两套 pipeline），reward 设计难（穿地、脚滑、悬浮都要 term，且彼此 trade-off）；diffusion 的长程生成与 RL 的短程 credit assignment 不天然兼容；容易 reward hacking。

路线 C · Guidance（GMD 式 / BeyondMimic 式）

机制：diffusion/flow 采样时注入物理/空间/任务约束梯度。不改变训练，只在推理时加约束。

优点：灵活，可指定「必须经过这个点」「必须以这个速度行走」这类约束；可组合多个不同 cost；支持 test-time 的 zero-shot 任务切换。

BeyondMimic 把 guidance 用到极致（见 P-BeyondMimic 的精确机制）：它训一个 state-action co-diffusion 模型——同时把未来状态（humanoid 的 link 位姿/速度）和动作（关节 target）作为联合 diffusion 对象，使得任意对未来状态或动作定义的 differential cost 都可以做 classifier guidance。这比仅对 action 做 diffusion 的方案强：能把「避免撞障碍」「到达 waypoint」「follow 指定速度」这类直接作用在状态空间的目标作为梯度源，无需把它们折算成 action-space reward。BeyondMimic 论文明确指出：因为 diffusion 学的是 data 分布的 gradient field 而非分布本身，所以支持 test-time 朝任意 differential 目标做梯度优化——这是它「不做 task-specific training 就能解 navigation、joystick、motion inpainting」的根。代价是必须假设「目标可微」；不可微目标（如「不要撞到玻璃」的硬约束）要靠 surrogate cost 近似。

缺点：约束太强会导致采样失败或 mode collapse；guidance scale 调参敏感。

路线 D · 合流式（BeyondMimic / SONIC 式）

机制：不试图让生成器「物理化」，而是分离职责——生成器（diffusion / flow / kinematic planner）负责编排新动作（多样性、语义、风格），物理执行交给一个独立但通用的 RL tracking policy。两者通过 retarget 或 universal token 衔接。

BeyondMimic 的具体配方（论文 Sec "Scalable Human Motion Tracking"）：(1) 极简 reward——只保留 3 个 regularization term（保证物理一致）+ 1 个跨 motion 通用的 tracking task reward，故意砍掉 domain randomization 堆叠和 motion-specific reward shaping，理由是「越简单越能 zero-shot 跨动作、跨仿真器、跨真机」；(2) 共享超参 + 单 setup训全量 2.5 小时 mocap，含 single-leg jump、turn kick、180°/360° spin、cartwheel、aerial cartwheel 等剧烈动作；30 段共 15 分钟在 Unitree G1 真机 zero-shot 运行；(3) 实测极限动力学：aerial cartwheel 飞行段峰值加速度 31 m/s²、骨盆角速度峰值 20 rad/s（均值 7.01，专业人类运动员约 7.75），落地干净几乎不需 recover；(4) 力测跑台对比 GRF（ground reaction force）波形——机器人呈现与人一致的 walking 双峰（heel-strike + push-off）、running 单峰，且 loading/push-off 时序对齐；(5) N=77 用户研究：整体偏好 70.8% vs 29.2%、running 84.7% vs 15.3% 优于 Unitree 原厂 controller（walking 单项 57.0% 待核）。

这是当前主流方向。SONIC 把它进一步推到 foundation 规模。

四、三段式 pipeline（生成到真机的标准链路）

把生成动作送到真机，已形成固定 pipeline：

① 生成（kinematic）        ② Retarget 重定向         ③ Tracking via RL
MDM/PhysDiff/MoMask/      GMR/OKAMI                DeepMimic/AMP/PHC
MotionHiFlow/FrankenMotion →  SMPL → 机器人骨架      + sim-to-real + IL
输出 SMPL/joint 序列        （IK/优化/学习）          （HumanPlus/OmniH2O）
（动画轨迹）

关键发现：retarget 质量直接决定后续 RL tracking 上限（GMR, ICRA'26 的结论）。retarget 损耗大，tracker 再强也救不回来。

SONIC 在 2026 给这条 pipeline 一个新形态：runtime 免 retarget。它训一个 universal token space（见第五节），把人/机器人/hybrid motion 全部 encode 成同一个 64 维 quantized token，robot 直接当 tracking 目标消费——所以从「生成 motion」到「机器人执行」中间不再需要显式 retarget 步骤。这把三段式压缩成两段：生成（输出 universal token）→ tracking。

五、SONIC 的角色：动作生成线被收编为 motor foundation 的下游模态

SONIC（[Luo & Yuan 2025, arXiv:2511.07820]，NVIDIA GEAR）对动作生成线的影响是结构性的——它把「让生成动作物理可执行」这件事从「为每个生成器配 tracker」变成了「一个 motor foundation 吃所有模态」。

scaling 三轴：网络从 1.2M 到 42M 参数；数据从 4M 到 100M 帧（50 fps，700 小时 mocap）；算力从 2K 到 21K GPU 小时（128 GPU × 7 天）。论文给出关键 scaling curve：success rate 随数据/参数/GPU 小时单调上升（100M 帧时 99.6%、42M 参数时 99.6%），MPJPE-L 单调下降，没看到饱和——证明 motion tracking 这个任务「吃 scaling」，像 LLM 一样。

universal token space 的精确机制（论文 Fig. 7 & Sec 3.2）：用三个专用 encoder——robot motion encoder $\mathcal{E}_r$、human motion encoder $\mathcal{E}_h$、hybrid motion encoder $\mathcal{E}_m$（upper-body keypoint + lower-body robot motion 组合）——把不同模态的 motion 命令映射到一个共享的 quantized representation（64 维 universal motion token），再由同一个 universal control policy 消费、输出 PD target。量化采用 Finite Scalar Quantization（FSQ）（论文明确选 FSQ 而非 VQ-VAE：避免 codebook collapse、无需 auxiliary commitment loss、clean straight-through gradient 与 PPO 兼容），保证 token 离散可被下游 VLA 预测。论文实测：让 GR00T N1.5 VLA 直接预测「64 维 universal token + 14 维 hand joint」共 78 维 action，比让 VLA 直接预测 SMPL 显著更平滑、更安全（直接 SMPL 会有 jerk 和 directional 失控）。

与生成模型的对接：universal token 让 SONIC 直接吃 video / text / music 驱动的生成 motion（Kocabas / Li 2021 / Tevet 2022 / Zhang 2023 这些生成模型），无需 retarget；同时 SONIC 的 teleoperation 产出的数据又能训 VLA。这是一个闭环：生成 → SONIC 跟踪 → 部署 / 采数据 → 训 VLA → VLA 输出 universal token → SONIC 执行。动作生成不再孤立，而是 motor foundation 的一个上游输入模态。

kinematic planner（论文 Sec 3.3）：SONIC 还训了一个实时 kinematic motion planner——autoregressive 生成 0.8-2.4 秒长度的未来 motion 段（duration 由 planner 自决），笔记本 <5ms / Jetson Orin <12ms 推理，最快每 100ms replan 或命令变更即触发。这个 planner + tracker 组合，本质上是把路线 D（合流式）的「生成器 + tracker」彻底做实。

对动作生成线的启示：(1) 「生成 → 真机」的瓶颈不再是 tracker 强不强，而是 token space 统不统一；(2) 物理可行性可以下沉到 foundation 里，让上层生成器只管「创意」，这是 BeyondMimic 路线 D 的工程极致版；(3) 当 motor foundation 足够强，独立 physics-aware 生成器（PhysDiff 式）的边际价值下降——直接接 universal token 即可。

六、2026 最新进展

2026 上半年动作生成 physics-aware 路线沿「flow matching 几何化 / 多角色物理交互 / 球面 latent prior / physics-aware retarget 端到端化 / 几何一致可证安全」五条轴线深化——SONIC 之后的「收编 vs 独立迭代」之争仍未收敛，独立路线把物理化做到更精细的粒度：

• A2A Flow Matching：把「起点」从噪声换成历史动作（× T05）：A2A Flow Matching [Jia et al., arXiv:2602.07322]（HKUST Yang 组）以历史 proprioceptive action 序列编码为高维 latent 作为 flow matching 起点，替代标准 diffusion policy 的随机高斯噪声初始化；单步推理即可生成高质量动作，方法推广到视频生成。在原理上挑战了 diffusion/flow policy 必须从随机噪声开始的前提，为 action generation 的实时性与时间连续性提供新范式——既是 T05 diffusion policy 的进展，也是本章「物理化动作生成」在 flow matching 起点侧的新轴线。
• 接触密集多角色物理跟踪：Physics-Based Motion Tracking of Contact-Rich Interacting Characters [Zhang et al., arXiv:2604.07984]（Durham Shum 组）用 Progressive Neural Network (PNN) 让多个 expert 自动按难度专门化学习不同技能，稳定跟踪双人物理接触密集的交互（拳击、推搡、缠斗），无需人工训练调度——把物理角色控制从单角色扩到接触密集多角色交互的边界，解决了力传递导致的不稳定问题，为多人/交互角色动作合成提供新基线。同期的 Learning to Assist [Shibata et al., arXiv:2603.11346]（Aoki + Fragkiadaki 组）把 AMP 风格的对抗 motion prior 扩展到多智能体（人-人）协同——是 AMP 路线在 2026 上半年的重要延续。
• 球面 latent motion prior：SLMP [Tan et al., arXiv:2603.01294]提出用球面（spherical / von Mises-Fisher）潜空间作为 motion prior 的 latent 表示，替代传统高斯 latent，更适合周期性、循环性强的步态与运动数据；在物理 humanoid 控制下游任务中作为 style reward 显著提升自然度——是 AMP 之后「如何替换/改进判别器 style reward」的新答案，球面 latent 与周期动作天然契合。
• Physics-aware retarget 端到端化（× T07）：ReActor [Müller et al., arXiv:2605.06593]（Disney Research）提出基于 RL 的 physics-aware retargeting：直接在物理仿真器中训练 retarget policy，使机器人执行 retarget 后的参考动作时既忠实于源动作又在物理上可行，避免了 IK-based retarget 后再单独训 tracker 的两段式流程——在多个基准上超越 GMR 与 OmniRetarget，为人形机器人「从任意人动作到真机执行」提供端到端方案。这把第四节「retarget 质量决定后续 tracking 上限」的结构性痛点直接打通。
• 几何一致 + 可证安全的运动策略：SafePBDS [Wu et al., arXiv:2605.21811]（Stanford C. Karen Liu 组）提出 Safe Pullback Bundle Dynamical Systems：从异构任务流形（配置 $\mathbb{R}^7$、末端 SE(3)、障碍物 $\mathbb{R}$ 等）上的目标与安全约束，计算可证明安全的最优配置流形加速度。为灵巧操作提供「几何一致 + 可证明安全」的运动策略统一框架——弥补学习方法缺乏安全证明的痛点，是 2026 几何控制与灵巧操作交叉方向的代表性理论工作。

1. 纯生成模型（diffusion / VAE / transformer）输出的 SMPL 序列没物理约束——脚滑、穿地、悬浮是三大痼疾，直接喂真机会摔或过载
2. 四种物理化路线中合流式（BeyondMimic / SONIC）是当前主流：分离职责——生成器负责创意、独立 RL tracker 负责物理执行——比让生成器内生物理更可控
3. BeyondMimic 用 state-action co-diffusion + classifier guidance 让 diffusion 学 data 分布的 gradient field，支持 test-time 朝任意可微目标优化——这是它「不做 task-specific training 就解 navigation / joystick / inpainting」的根
4. SONIC 的 scaling curve（1.2M → 42M 参数、4M → 100M 帧、2K → 21K GPU 小时）首次验证 motion tracking 吃 scaling law，universal token 让「生成 → 真机」中间不再需要显式 retarget
5. retarget 质量直接决定后续 RL tracking 上限（GMR ICRA'26 结论），但 SONIC 通过 universal token 绕过 retarget，是动作生成线被收编为 motor foundation 下游模态的关键

七、数据源：从 mocap 到 YouTube

生成+控制 pipeline 的数据源在扩展：

• AMASS：动捕演员，质量高但场景单一
• YouTube 视频：用 4DHumans（HMR 2.0）、SMPLer-X 从 wild 视频大规模抽 SMPL——意味着无限数据源
• SONIC 把数据规模推到 100M 帧 / 700 小时 mocap，已远超 AMASS 单一来源；并验证 tracker 对 OOD motion（content / repetition 两类 PHuMA 测试）零样本泛化

这是潜在的质变点：如果能用 YouTube 抽无限动作，pipeline 的数据瓶颈就消失了。FrankenMotion 还在 part-aware 数据集上提出新的标注范式，把「单条 motion 标一句」扩展为「每个 body part 一个时序 prompt」，让数据维度变高。

八、与其他线索的交叉点

• 与 T04（AMP/BFM）：BeyondMimic 与 SONIC 都是两条线的合流点。T04 从物理 controller 出发用 MoCap 扩能力，本章从生成模型出发往物理靠近，终点都是「真机可执行的多样化动作」。SONIC 把这两条线统一到 motion tracking at scale。
• 与 T05（diffusion policy）：MDM 用 diffusion 生成动作，Diffusion Policy 用 diffusion 生成控制动作——同源技术，不同目标；MotionHiFlow / UMF 把 diffusion 换成 flow matching，与 GR00T N1 的 action flow matching（见 T10）形成同源技术迁移。
• 与 T07（teleop）：teleop 的 retarget 环节（SMPL→机器人）和本章的三段式 pipeline 共用技术（GMR、OKAMI）；SONIC 的 universal token 同时支撑 teleop 和生成，是这两条线的工程汇聚点。
• 与 T10（VLA+WBC）：SONIC 的 universal token 让 VLA 直接出全身动作（见 P-SONIC），动作生成「物理化」的最终落点正是 VLA 的 action space。

九、当前局限与开放问题

1. 数据多样性不足：text-to-motion 几乎全靠 HumanML3D/KIT-ML（都源自 AMASS），缺乏 wild 日常、双手操作、人-物交互。HOI 数据（BEHAVE、OMOMO）规模仍小。FrankenMotion 的 part-aware 数据集是补强方向之一。
2. 物理一致性仍「贴上去」：post-hoc / reward shaping / guidance 都不是原生物理生成。把 physics deep-bake 进 generative model 仍是开放问题。SONIC 的合流方案回避了这问题，但代价是生成器与物理执行强耦合在一个 foundation 里。
3. 实时性：diffusion 采样慢（数十步），MotionHiFlow / flow matching 把步数压到个位数，BeyondMimic 的 kinematic planner 做到 5ms 级，但仍难支撑 30Hz 真机闭环对剧烈动作的即时响应。
4. 剧烈动作的 sim-to-real：BeyondMimic 能做跳跃翻滚（峰值 31 m/s²），SONIC 也验证 6 m/s 跑步，但 sim-real gap 在高动态动作上仍大；可微分仿真 / 并行 sim 数量是当前 scaling 主战场。
5. motor foundation 与独立生成器的关系未定：SONIC 路线主张「收编」，但生成界（MotionHiFlow、FrankenMotion）仍在独立迭代——最终是「一个 foundation 吃掉一切」还是「生成器 + foundation 协作」，尚未收敛。

十、涉及里程碑论文

• [Guo 2022, CVPR] HumanML3D —— 动作生成的 ImageNet 基准
• [Tevet 2023, ICLR, arXiv:2209.14916] MDM —— diffusion 进动作生成
• [Yuan 2023, ICCV, arXiv:2212.02500] PhysDiff —— physics-aware 奠基（post-hoc projection）
• [Karunratanakul 2023, ICCV] GMD —— guided diffusion
• [Han et al. 2024, WACV 2025, arXiv:2410.07296] ReinDiffuse —— RL finetune diffusion
• [2024, SIGGRAPH Asia] MaskedMimic —— motion inpainting 统一
• [Braun & Jaquier 2024, IROS, arXiv:2403.10672] RFMP —— Riemannian Flow Matching Policy，几何化生成控制的底座
• [Liao et al. 2025, arXiv:2508.08241] BeyondMimic —— 合流点：tracking + guided state-action co-diffusion
• [Luo & Yuan 2025, arXiv:2511.07820] SONIC —— motor foundation，universal token space 收编动作生成
• [Li 2026, CVPR, arXiv:2604.23264] MotionHiFlow —— hierarchical flow matching text-to-motion
• [Huang 2026, CVPR] UMF —— number-free text-to-motion via Pyramid + Semi-Noise flow
• [Li 2026, CVPR, arXiv:2601.10909] FrankenMotion —— part-level diffusion，sequence/action/part 三层文本控制
• [Hong 2026, CVPR, arXiv:2503.14505] MusicInfuser —— prior-preserving music-conditioned video diffusion
• [2026, arXiv:2603.15016] Riemannian Motion Generation (RMG) —— product-manifold flow matching，动作生成的几何统一框架

十一、延伸

• 关联线索：T04 Motion Prior（合流点）、T05 Diffusion Policy 谱系、T10 VLA+WBC 分层集成（universal token 的下游落点）
• 仓库综述：data/raw/action_gen_notes.md（很详尽）

十二、关联论文笔记

本线索涉及的核心论文在本仓库已有深度笔记：

• P-MDM-2023.md [Tevet et al., ICLR 2023, arXiv:2209.14916]——本线索的起点。transformer encoder-only（不是 U-Net）+ 预测 $\hat x_0$ 而非 $\epsilon$（让 geometric losses 可用）+ classifier-free guidance（$s=2.5$ sweet spot）+ 3 个 geometric losses（position/foot-contact/velocity）。单 RTX 2080 Ti 训 3 天、500K steps、8 层 transformer、latent dim 512。详细的 ablation、$\hat x_0$ 预测为何对 motion domain 关键、与 Diffusion Policy 的对比见该笔记。
• P-PHCUHC-2023.md [Luo et al. 2023]——MDM 输出 → physics-based imitator 的桥梁（in-betweening）。
• papers/P-PhysDiff-2023.md（待补）[Yuan et al., ICCV 2023, arXiv:2212.02500]——post-hoc projection 路线（A）的奠基。物理约束通过预训练 motion imitation policy $\pi$ 在仿真器里实现，$P_\pi$ 不可微；详细 projection 调度（晚期 step 优于早期、sweet spot 步数）、HumanML3D physics error -86% / FID +20% 数据。该深度笔记尚未撰写——见 curated/papers.jsonl 与 PhysDiff 原文。
• P-BeyondMimic-2025.md [Liao et al., arXiv:2508.08241]——本线索的合流点（路线 D）。3 regularization + 1 task reward 的极简配方、state-action co-diffusion + classifier guidance、aerial cartwheel 31 m/s² / 20 rad/s 的极限动力学、GRF 波形与人一致、N=77 用户研究整体偏好 70.8% / running 84.7% 优于 Unitree 原厂——详细数据见该笔记。
• P-SONIC-2025.md [Luo & Yuan et al., arXiv:2511.07820]——motor foundation 化的代表。1.2M→42M / 4M→100M 帧 / 2K→21K GPU 小时的 scaling curve、universal token space（64 维 quantized，三个 encoder）、GR00T N1.5 VLA 预测 78 维 action（64 token + 14 hand）、5 个 loco-manipulation 任务 75% 平均成功率——架构细节见该笔记。