Hugging Face发布CoDance框架：革新人-人形机器人互动学习

摘要：Hugging Face推出了一种名为CoDance的新框架，用于从视频中学习反应式和顺应性的人-人形机器人互动。该框架通过将双人舞蹈视频转换为机器人参考轨迹和移动伙伴，引入多链接顺应性增强技术，将运动学演示转化为包含力的训练数据。模拟实验表明，CoDance能够使机器人适应伙伴动作并保持稳定的运动风格，同时在物理人形机器人上实现了持续的双人舞蹈互动。这一突破为机器人与人类在复杂物理互动场景中的协作提供了新的可能性。

---

核心突破

Hugging Face的研究团队推出了一款名为CoDance的全新框架，旨在解决人-人形机器人互动中的复杂挑战。该框架的核心创新点包括：

• 视频到机器人动作的转换：通过分析双人舞蹈视频，CoDance能够将人类动作转换为机器人参考轨迹和移动伙伴的动作。
• 多链接顺应性增强：该技术将运动学演示转化为包含力的训练数据，使机器人能够感知并响应互动中的物理力。
• 保持运动风格与顺应性：在模拟环境中，CoDance训练的策略能够适应伙伴动作的变化，同时保持原有的运动风格，并对物理互动做出顺应性反应。

技术亮点

1. 单视频输入：CoDance仅需一个双人舞蹈视频即可生成机器人与伙伴的互动轨迹，降低了对大量训练数据的需求。
2. 顺应性增强：通过在双手施加结构化力的情况下调整机器人参考轨迹，CoDance实现了对物理力的感知和响应。
3. 模拟与物理测试：在模拟环境中，CoDance能够再现约80%的增强演示中的手腕位移。在物理人形机器人上，CoDance实现了持续的双人舞蹈互动，包括前后运动的反复转换。

行业影响

CoDance的发布标志着人-人形机器人互动领域的一个重要里程碑。其应用场景广泛，包括：

• 人机协作：在制造业和服务业中，机器人可以更自然地与人类协作。
• 康复与辅助：在康复治疗中，机器人可以更好地适应患者的运动模式。
• 娱乐与教育：在舞蹈教学和互动娱乐中，机器人可以提供更逼真的互动体验。

开发者建议

• 实验与扩展：开发者可以尝试将CoDance应用于其他类型的互动场景，如握手、拥抱等。
• 多模态融合：结合其他传感器数据（如力传感器、IMU等），进一步提升互动的准确性和安全性。
• 实时性优化：针对实时应用场景，优化CoDance的推理速度，以实现更流畅的互动体验。

结论

CoDance展示了AI在机器人互动领域的巨大潜力，为未来的人-机器人协作开辟了新的方向。

---

消息来源：Hugging Face Daily Papers (2026-10-04)

—— 完 ——

主题标签： #Hugging Face 关注 #智能体 关注 #人机交互 关注 #机器人 关注 #AI框架 关注