OneSteer单步扩散实现人形机器人全身控制与测试时转向
摘要:OneSteer 将动作生成与部署目标约束合并到单步扩散控制器:模型冻结权重后,由可微任务代价在测试时优化生成器输入噪声,并通过身体分组掩码放宽指定部位的参考轨迹约束。名义跟踪在 AMASS、BONES 留出片段上取得对比基线中最低的局部误差;仿真中,1.25 米栏杆下的无碰撞通过率由 2% 提升至 90%。Unitree G1 真机完成 27 次无跌倒跟踪,基于机载 LiDAR 的符号距离场也通过低栏与跨栏测试。其价值在于无需重训即可切换目标,但摘要仍缺绝对误差、时延、训练成本和消融数据。
核心机制:把部署目标变成可微约束
OneSteer 处理的是一个常见的全身控制难题:部署现场往往只给出新的目标,例如通过低矮栏杆、绕开障碍或跨越台阶,却不会重新制作完整参考动作;与此同时,手臂、躯干或腿部等部分身体组仍需跟随原始动作。论文没有重新训练控制器,而是让冻结的生成器在测试时接受新的任务约束。
从摘要描述看,其机制可以抽象为:
z* = argmin_z C_task(P_theta(z)) + λ Σ_b m_b C_track,b(P_theta(z), r_b)
其中,P_theta 是将输入噪声 z 映射为状态—动作计划的生成器,C_task 表示部署目标代价,C_track,b 是身体组 b 对参考轨迹 r_b 的跟踪代价,m_b 则决定该部位是否继续严格跟随参考动作。这一写法只是对论文机制的工程化概括,并非对其原始公式的逐字转述。
关键在于优化对象不是模型权重,而是生成器的输入噪声。任务代价通过计划输出反向传播到 z,冻结的网络参数不会因在线优化而改变,因此同一套动力学先验和跟踪能力得以保留。身体组掩码进一步避免了两种极端:既不要求机器人为通过障碍而完全抛弃参考动作,也不要求全身所有部位都承担并不适合它们的障碍约束。
所谓“单步扩散”指常规多轮去噪被压缩为一次生成映射,并不意味着整个 OneSteer 管线只需一次前向传播。部署时仍可能需要多轮可微优化、梯度下降和动作重规划,因而必须分别测量生成延迟与测试时优化延迟。
状态—动作计划:连接任务优化与反馈执行
OneSteer 预测完整的状态—动作计划,并把它作为任务优化和反馈条件执行的共同接口。这一设计有两个工程价值。
第一,碰撞、净空或障碍规避等目标可以直接作用在可微计划上,而不必把所有约束编码成固定奖励。例如,利用机载 LiDAR 构建符号距离场后,可将预测轨迹与障碍几何之间的场值关系转化为任务代价。这样,同一控制器能够在不修改网络权重的情况下切换目标。
第二,任务优化和最终执行使用同一种计划表示,避免出现“优化器看到的状态轨迹”和“控制器实际执行的状态轨迹”不一致。不过,符号距离场的平滑方式、点云更新频率、轨迹插值误差以及梯度越过障碍局部极小值的风险,都会直接影响优化稳定性,这些细节在摘要中尚未披露。
工程权衡:少走去噪步骤,不等于零成本适配
时延与算力。 单步生成减少扩散采样轮数,适合闭环控制;但测试时优化仍需保留计算图、反向传播梯度,并可能针对每段参考动作或每张地图重新求解噪声。若优化迭代次数较高,端到端延迟可能由优化阶段而非生成阶段决定。摘要没有给出控制频率、GPU型号、优化迭代数或各阶段耗时,因此不能仅凭“一步扩散”判断系统满足实时控制要求。
跟踪精度与任务成功并不等价。 放松特定身体组的参考约束,可以为避障或越障腾出自由度,但也可能引入脚滑、姿态突变、关节饱和、额外能耗和动作相位不连续。部署系统仍需把平衡、接触、关节限位和驱动力矩设置为硬约束,避免可微任务代价通过牺牲安全性换取目标完成率。
蒸馏换取了速度,也可能限制纠错能力。 转向实验使用单个冻结的蒸馏控制器。多步扩散模型可以在采样过程中逐步纠正误差,而蒸馏后的单步模型必须一次性输出可执行计划,通常对蒸馏数据覆盖范围和教师模型能力更敏感。摘要没有提供教师模型、蒸馏损失、采样步数消融或单步与多步控制器的同条件比较。
LiDAR 代价并不天然可靠。 机载 LiDAR 可以减少对外部定位基础设施的依赖,但点云密度有限,视野外障碍、动态物体、定位漂移和地图更新时间都会改变符号距离场。可微优化要求代价在障碍附近足够平滑,否则梯度可能把计划推向错误方向。
预测差异只是风险信号。 论文还利用从头训练模型的预测变化排序潜在跟踪失败,无需执行物理 rollout。不过,摘要没有说明变化量来自多少次采样、如何定义方差,以及在分布外场景中是否会高估或低估风险。因此,该分数更适合用于筛选需要物理验证或针对性微调的片段,不应单独作为安全放行条件。
实验表现与评测边界
| 场景 | 论文报告结果 | 需要关注的口径 | |---|---|---| | AMASS、BONES 留出片段 | 在成功片段上取得所评基线中最低的局部跟踪误差 | 以“成功片段”为条件可能产生幸存者偏差;未给出绝对误差、基线名称和置信区间 | | 仿真 1.25 米栏杆 | 无碰撞通过率由 2% 提升至 90% | 未披露样本量、障碍布局、基线控制器和失败类型 | | Unitree G1 名义跟踪 | 9 组全身动作共 27 次试验全部完成且未跌倒 | 证明真实设备上的短期鲁棒性,但动作与场景覆盖范围有限 | | G1 低栏 | 机载 LiDAR 符号距离场引导下,1.1 米低栏通过 4/5 次 | 5 次样本仍不足以给出稳定的总体成功率置信区间 | | G1 跨栏 | 12 cm 台阶跨越 3/3 次且未跌倒 | 台阶条件单一,尚不能外推到不同高度、摩擦和落地姿态 | | 失败预排序 | 预测变化评分比每片段 5 次 rollout 的仿真评分快 10 倍以上 | 缺少绝对耗时、排序相关性、召回率及细调后的增益数据 |
名义跟踪结果来自从头训练的模型,跨目标转向则使用单个冻结的蒸馏控制器;摘要没有完全解释二者的训练关系和是否共享全部组件。因此,“名义跟踪误差最低”和“测试时转向能力”应视为两组互补证据,而不能直接合并成单一模型在所有指标上同时领先的结论。
仿真到真机的结果同样需要谨慎解释。2% 到 90% 的提升说明测试时优化对障碍任务非常有效,但仿真障碍几何、动力学和初始状态分布可能与真实世界高度契合。真机低栏和跨栏测试证明方法可以迁移到 Unitree G1,却尚不足以证明其能处理任意新目标、未知地形或显著不同的机器人本体。
开发者落地建议
- 先固定安全层,再开放任务优化。 对关节位置、速度、力矩、自碰撞、足底接触和质心投影设置不可绕过的约束;可微代价只负责在安全可行域内选择更优动作。
- 拆分并测量延迟预算。 分别记录状态观测、计划生成、噪声优化、轨迹筛选和底层控制的耗时,验证优化迭代数增加后是否仍满足控制周期要求。
- 将掩码设计成显式控制接口。 明确哪些身体组必须保持参考动作、哪些组允许偏离,并增加过渡区约束,避免掩码切换造成姿态或速度突变。
- 校验 LiDAR 场与真实几何的一致性。 对点云噪声、遮挡、定位漂移、地图延迟和动态障碍做压力测试,同时检查代价梯度是否在障碍附近保持平滑。
- 把预测变化接入分级验证流程。 高变化片段先执行物理仿真或低速真机验证,再进入高速控制;低变化也不能替代状态有效性、关节约束和碰撞检查。
- 采用与论文一致的分层评测。 分别报告成功片段上的误差、全片段成功率、跌倒率、任务完成率、平均控制频率、优化耗时和能耗,并给出多随机种子结果与置信区间。
- 核验复现资产。 摘要仅提供项目页入口,没有说明代码、训练数据、模型权重和许可证是否开放。正式复现前应先确认从头训练模型、蒸馏控制器、AMASS/BONES 数据划分和 Unitree G1 控制配置是否完整公开。
总体判断
OneSteer 的核心贡献不是单纯把扩散控制器做成一步,而是证明了一个冻结的单步全身控制器可以通过输入噪声优化接收新的部署目标,并以身体组掩码保留部分原始动作要求。仿真提升、Unitree G1 真机结果以及无需物理 rollout 的失败预排序共同构成了有吸引力的工程证据。
现阶段更适合将其视为一项有前景的研究原型,而非通用人形控制方案。绝对误差、端到端时延、优化预算、训练成本、蒸馏消融、失败统计和安全约束细节仍需通过完整论文与独立复现确认。
—— 完 ——消息来源:Hugging Face Daily Papers (2026-11-13)
主题标签: #OneSteer #单步扩散 #全身控制 #测试时引导 #Unitree G1
编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。
社区整体评论区