本文介绍了Ψ0模型，该模型结合大规模人类视频数据与真实机器人数据，训练出一种用于类人机器人灵巧运动的视觉-语言动作模型，能够有效提取运动先验，实现复杂的全身控制。

本文介绍了HumanoidPF（类人潜力场），一种用于人形机器人在杂乱室内场景中无碰撞穿越的技术。该方法通过编码人形体与障碍物的关系，提升机器人在复杂环境中的避障能力。研究者提出了一种混合场景生成策略，结合真实和程序化障碍物，增强训练效果。HumanoidPF被应用于Click-and-Traverse系统，实现高效遥操作导航，实验结果显示其在拥挤场景中表现优异，具有良好的泛化能力。

本文讨论了VIRAL项目，该项目通过教师-学生框架结合强化学习和视觉蒸馏，实现了类人机器人在真实环境中的自主行走与操作。技术利用仿真训练和领域随机化，提高了机器人的鲁棒性和泛化能力，展现出在复杂任务中的潜力。尽管取得了进展，仍面临物理和任务覆盖等挑战，未来需结合仿真与现实世界数据以实现更广泛的应用。

中国国家发展和改革委员会警告，类人机器人行业可能面临泡沫风险。尽管应用案例稀少，投资仍在涌入，导致市场上出现大量相似模型。目前中国有超过150家类人机器人公司，其中一半为初创企业。

本文讨论了通用动作重定向（GMR）在类人机器人动作追踪中的应用。GMR通过重定向人类运动数据，克服了人类与机器人之间的结构差异。研究表明，重定向方法的选择对机器人性能至关重要，伪影如脚部滑动和穿透会影响学习效果。GMR的流程包括关键身体部位匹配、姿态对齐、局部缩放和逆运动学求解，以提高动作重定向的质量和效率。

本文讨论了DreamControl，一种结合扩散模型与强化学习的全身类人机器人控制方法。该方法利用人类动作数据生成自然运动轨迹，提升机器人在复杂环境中的自主操作能力，解决了稳定性和协调性问题。研究表明，该方法在多种任务中有效，推动了人形机器人技术的发展。

本文讨论了VisualMimic框架在类人机器人行走与操作中的应用，通过分层设计提升强化学习的泛化能力。该框架结合低层关键点跟踪与高层视觉运动策略，使机器人在真实环境中执行多样化任务，展现出良好的鲁棒性和适应性。研究强调自我中心视觉感知与全身灵巧性的结合，推动了人形机器人在物体交互方面的进展。

Meta计划投入数十亿美元开发类人机器人，CTO安德鲁·博斯沃斯指出软件是主要瓶颈。Meta将其软件平台授权给其他制造商，旨在实现灵活的机器人操作能力。该团队由前Scale CEO领导，吸引了多位顶尖人才。

本研究探讨通过人类自我中心示范数据训练类人机器人，以提升其任务和平台间的鲁棒性与泛化能力。我们收集了与类人操作示范对齐的任务导向数据集，并训练了人类-类人行为策略（HAT），实现了人类与类人机器人的统一状态-动作空间。结果显示，人类数据显著增强了HAT的泛化能力和鲁棒性。

NVIDIA在亚特兰大国际机器人与自动化会议上展示了其在生成AI、仿真和自主操作方面的研究突破。这些创新将推动自主车辆和类人机器人的发展，提升安全性和控制能力，主要研究包括生成4D驾驶场景、实时感知故障监测和人机交互政策调整，旨在改善机器人学习和应用的可靠性。

小鹏汽车投资138亿美元进军类人机器人领域，计划在2024年发布具有人类运动能力和强大处理器的机器人“铁”。该机器人将整合进汽车生产，以提高效率、减少错误和降低人力成本，助力中国的AI和自动化战略。

Nvidia发布了Isaac GR00T N1，这是一个开源可定制的基础模型，旨在加速类人机器人开发。创始人黄仁勋表示，通用机器人时代已经到来。该模型采用双系统架构，结合快速反应与环境推理，支持开发者进行后期训练。