我们提出了一种通过强化学习和人体动作捕捉数据训练的方法，让机器人模仿人类动作。Exbody方法专注于上半身模仿，放松腿部约束，确保稳定性。经过训练，机器人能以不同风格行走、握手和共舞，验证了方法的有效性。

文章介绍了OmniH2O人形机器人，通过语音指令和预训练的文本到人体动作生成扩散模型（MDM）来控制动作。MDM利用文本提示生成多样化动作，体现文本到动作的多对多映射。其目标是在特定条件下合成人体动作，支持多种输入。扩散建模采用马尔可夫噪声过程，并使用几何损失正则化生成自然连贯的动作。