近年來，人形機器人技術(shù)突飛猛進，特別是基于視覺-語言-動作（Visual-Language-Action, VLA）模型的系統(tǒng)，已能夠執(zhí)行多種家務任務，展現(xiàn)出較高的可靠性和泛化能力。然而，一個長期存在的瓶頸問題限制了其進一步發(fā)展：雙足人形機器人缺乏大量高質(zhì)量、覆蓋全身動作的演示數(shù)據(jù)。傳統(tǒng)的遠程操作數(shù)據(jù)收集方式成本高昂、效率低下，且往往局限于特定場景（如桌面操作），無法滿足機器人在實際家庭環(huán)境中執(zhí)行多樣化任務的需求。

針對這一挑戰(zhàn)，來自浙江大學、西湖大學等機構(gòu)的研究團隊提出了一項名為TrajBooster的創(chuàng)新框架：利用輪式機器人的豐富操作數(shù)據(jù)，通過軌跡重定向技術(shù)，大幅提升雙足人形機器人的動作學習效率。該方法僅需極少量目標機器人的真實數(shù)據(jù)（10分鐘），即可實現(xiàn)復雜的全身操控任務，顯著增強了機器人的動作空間理解能力和零樣本任務遷移能力。

▍TrajBooster的核心思想：以軌跡為通用語言的“跨形態(tài)”教學

TrajBoster的靈感源于一個關鍵洞察：盡管機器人形態(tài)各異，但它們完成任務時，末端執(zhí)行器（如手或夾爪）在空間中的運動軌跡（Trajectory）是相對統(tǒng)一的。無論是輪式還是雙足機器人，拿起一個杯子都需要讓“手”沿一條類似的路徑接近并抓取。

因此，TrajBooster將6D末端執(zhí)行器軌跡（3D位置+3D旋轉(zhuǎn)）作為一種與機器人形態(tài)無關的通用接口。它的整體流程是一個“真實→模擬→真實”的閉環(huán)：

源數(shù)據(jù)提取（真實）：從大規(guī)模的輪式機器人（如Agibot）操作數(shù)據(jù)集中，提取出語言指令、多視角視覺觀察和對應的6D末端執(zhí)行器軌跡。

軌跡重定向（模擬）：在仿真環(huán)境中，將這些軌跡作為目標，教目標雙足機器人Unitree G1如何協(xié)調(diào)全身關節(jié)去追蹤這些軌跡。

模型訓練與微調(diào)（真實）：用生成的新數(shù)據(jù)預訓練VLA模型，最后僅需采集少量目標機器人的真實數(shù)據(jù)對模型進行微調(diào)，即可部署到真實機器人上。

這樣一來，輪式機器人數(shù)據(jù)中所蘊含的“任務知識”（即“做什么”和“何時做”）就通過軌跡這個中介，有效地傳遞給了雙足機器人。而雙足機器人需要學習的，是如何用自己獨特的身體去執(zhí)行這些軌跡。

▍TrajBooster如何實現(xiàn)精準的全身重定向？

整個過程最核心也最具挑戰(zhàn)的一步，是如何在仿真中把一條軌跡轉(zhuǎn)化為雙足機器人穩(wěn)定、可行的全身動作。

研究團隊設計了一個分層控制模型，把復雜問題拆解成更易處理的小問題：

上層：逆運動學（IK）模塊-負責手臂。它直接根據(jù)目標手腕位姿，計算出機器人臂部各關節(jié)應達到的角度。這是一個相對成熟且快速的計算過程。

重定向模型架構(gòu)

下層：分層RL策略，負責腿部和平衡。這進一步分為兩個子模塊：

管理者（Manager Policy）：一個“決策腦”。它觀察目標手腕的位置，并判斷出為了夠到該位置，身體需要如何移動：基座應該以什么速度（Vx, Vy, Vyaw）移動？軀干高度（h）需要調(diào)整到多少？ 例如，要拿取一個低處的物體，管理者會輸出“降低軀干高度”和“微微前進”的命令。

執(zhí)行者（Worker Policy）：一個“執(zhí)行腦”。它接收管理者的速度和高階命令，并將其轉(zhuǎn)化為12條腿部關節(jié)的具體動作。這個策略通過強化學習訓練，確保機器人能夠穩(wěn)定執(zhí)行這些移動命令。

最終，整個模型以目標手腕位姿為輸入，輸出所有關節(jié)的動作指令，控制機器人完成追蹤任務。

此外，研究者還設計了一種高效的“協(xié)調(diào)在線DAgger”算法，在平衡探索與記憶的同時，通過梯度下降優(yōu)化策略，從而實現(xiàn)了比傳統(tǒng)方法更精準、高效的軌跡跟蹤性能。

▍從模擬到現(xiàn)實，兩階段訓練讓VLA模型“學以致用”

獲得重定向數(shù)據(jù)后，下一步是教會VLA模型為雙足機器人生成動作。

后預訓練（Post-Pre-Training, PPT）：這是TrajBooster的創(chuàng)新一步。研究團隊將重定向得到的動作數(shù)據(jù)與源數(shù)據(jù)中的語言和視覺觀察組合，構(gòu)成新的三元組?源視覺，源語言，目標機器人動作?。用這個合成數(shù)據(jù)集對一個預訓練好的VLA模型（如GR00T N1.5）進行繼續(xù)預訓練。

其目的是讓模型初步理解目標機器人（Unitree G1）的動作空間。它開始學習什么樣的語言指令和視覺觀察，對應著雙足機器人的何種全身動作模式。

后訓練（Post-Training, PT）：僅收集10分鐘的目標機器人真實遠程操作數(shù)據(jù)（目標視覺，目標語言，目標動作），對經(jīng)過后預訓練的模型進行最后的微調(diào)，以起到彌合“模擬到真實”差距的左右。讓模型最終適應真實世界的視覺外觀、物理動力學等細微差別。

這種做法的巧妙之處在于：耗時的“動作學習”階段在仿真中低成本完成，真實數(shù)據(jù)只用于最后的“精準調(diào)?！?，極大降低了數(shù)據(jù)收集成本。

▍實驗結(jié)果：僅10分鐘數(shù)據(jù)，實現(xiàn)全身操控新突破

實驗在宇樹Unitree G1雙足人形機器人上進行，驗證了TrajBooster的卓越性能：

加速動作空間適應：在“抓取米老鼠”、“整理玩具”等任務中，經(jīng)過PPT+3K步PT的模型，其性能顯著優(yōu)于直接使用10K步真實數(shù)據(jù)訓練的模型。而未經(jīng)過PPT的模型在3K步訓練后甚至無法有效學習，只在目標附近振蕩。這表明PPT極大地加速了對新機器人動作空間的學習。

增強軌跡泛化能力：當目標物體被放置在訓練時未見過的位置時，經(jīng)過PPT的模型成功率（80%）遠高于未經(jīng)過PPT的模型（0%）。分析發(fā)現(xiàn)，未經(jīng)過PPT的模型只是死記硬背了訓練時的軌跡，而經(jīng)過PPT的模型則真正理解了動作空間，能靈活生成新軌跡以適應新位置。

軌跡分析顯示，（中圖）未使用PPT時，VLA模仿遠程操作運動（左圖），從上方接近；而（右圖）使用PPT時，VLA則適應從下方抓取。

解鎖零樣本技能遷移：最令人印象深刻的是，經(jīng)過PPT的模型能夠零樣本（無需任何額外訓練）完成“傳遞水杯”這個在真實數(shù)據(jù)中從未見過的任務。這說明從輪式數(shù)據(jù)中繼承的“遞東西”的技能，已成功通過軌跡遷移到了雙足機器人上。

TrajBooster代表了一條解決機器人數(shù)據(jù)稀缺問題的全新思路：跨形態(tài)共享與模擬增強。它不追求收集海量的同形態(tài)數(shù)據(jù)，而是巧妙地利用軌跡作為中介，將現(xiàn)有數(shù)據(jù)集的價值最大化，并通過模擬技術(shù)進行擴充和適配。