最新发布的白皮书为人形机器人领域提供了一套全面的技术综述，旨在帮助机器人学家与控制工程师通过解耦运动规划与运动跟踪，使机器人保持专业的运动风格。文章重点阐述了自适应、速度感知的控制策略，指出其对于缩小仿真环境与现实部署之间差距的关键作用。
破解风格与稳定性的权衡难题
在人形球类机器人研发中，如何将职业运动员般的运动风格与可靠的任务执行相结合，仍是一项开放挑战。该白皮书提出了一种解决方案：将高层规划器与底层跟踪器分离。这种架构允许系统在保持动作美感的同时，确保任务执行的稳定性。
从视频数据到物理可执行轨迹
为了生成人形机器人可安全跟踪的参考运动轨迹，研究团队展示了完整的数据处理流程：从广播视频和动作捕捉记录中提取原始运动数据，随后进行重构、重定向及物理校正。这一过程确保了数字化的运动数据能够适应实体机器人的物理限制。
强化“仿真到现实”的鲁棒性
针对“仿真到现实”（Sim-to-Real）转换中常见的累积跟踪误差问题，该框架引入了两项关键改进：一是在随机执行速度下训练跟踪器，二是在规划器中集成学习式运动速度适配器。这些措施显著提升了算法在实体硬件上的鲁棒性。
双平台验证与真实场景演示
该自适应框架已在两个人形机器人平台上完成验证。值得注意的是，实验包括在全尺寸场景中进行的真实发球演示，且全程无需依赖任何外部动作捕捉系统，证明了该方法在复杂现实环境中的可行性。