跨校研究推 AI 框架 人形機器人學會高擬真人類動作

由美國加州大學柏克萊分校與史丹佛大學的研究團隊，近期共同開發出一款名為 BeyondMimic 的人工智慧框架。這項技術旨在讓 Unitree G1 這類人形機器人，能從單一訓練設定中學習並模仿多樣化的人類動作，進而展現更自然、逼真的運動能力。此研究為未來人形機器人在人機互動與應用上的潛力，開啟了新的可能性。

根據《Hackster.io》報導，BeyondMimic 透過一套整合的訓練方式，使用約 2.5 小時的人類動作數據進行訓練。這些數據涵蓋了步行、跑步、跳舞、武術、跳躍甚至側手翻等多元動作，並經過調整以符合特定機器人的比例與關節配置。該系統主要利用「強化學習」（reinforcement learning）技術，讓機器人透過不斷嘗試，並根據複製參考動作的精確度獲得獎勵，同時避免不自然的抽搐、不必要的碰撞或危險的關節位置，來逐漸精進其動作控制策略。

在技術層面，BeyondMimic 運用「變分自動編碼器」（variational autoencoder）這類神經網路，能將機器人的複雜動作指令壓縮成更精簡的數據形式，進而透過擴散模型來生成動作序列並實現流暢的動作轉換。研究團隊首先在模擬環境中驗證系統的有效性，隨後將其轉移到實體的 Unitree G1 機器人上。結果顯示，機器人無需額外的特定任務訓練，便成功執行了 30 種具代表性的動作。

一項針對 77 名參與者的研究顯示，與 Unitree 機器人內建的標準控制器相比，由 BeyondMimic 生成的動作在 70.8% 的比較中被判斷為更像人類。這項研究成果證明了該系統在動作擬真度上的顯著提升。報導指出，這種以統一方法學習多樣化動作、能在不同動作間自然轉換，並將所學應用於新情境的能力，對未來人形機器人的發展至關重要，可望大幅提升人機互動的自然度與機器人的應用彈性。