OmniTrack：通过物理一致性参考突破人形机器人通用运动追踪瓶颈

TL;DR

在类人机器人领域，让机器人完美复现人类的高难度动作（如空翻、武术）一直是一项巨大的挑战。近日，来自 BIGAI、华科等机构的研究者提出了 OmniTrack。该框架通过一个精妙的“两阶段”设计，先将不完美的运动数据“洗”成符合物理定律的参考轨迹，再让机器人学习。这使得 Unitree G1 机器人不仅能走能跑，甚至能完成连续 17 次翻腾动作，并支持实时、流畅的 VR 远程操控。

1. 痛点：为什么“依葫芦画瓢”会摔跤？

从人类演示中学习运动控制（Motion Tracking）是当前人形机器人的主流方案。然而，人类和机器人的“身材”（比例、自由度、质量分布）是完全不同的，这被称为 Embodiment Gap。

当我们将一段人类动作“强行”套在机器人身上时，会出现以下问题：

• 地面穿透（Penetration）：机器人的脚由于计算误差没入地下。
• 空中漂浮（Floating）：机器人本该落地，数据上却还浮在空中。
• 脚部滑动（Foot Skating）：支撑不稳，导致动力学崩溃。

由于参考动作本身就是“错”的，机器人控制器会陷入两难：是坚持追踪错误的动作（导致摔倒），还是为了稳住重心而偏离动作？这种冲突限制了通用控制策略的收敛。

图 1：原始重定向动作中的伪影，包括重心不稳、浮空和穿模，严重阻碍了稳定控制。

2. 核心方案：解耦物理可行性与运动追踪

OmniTrack 的核心直觉非常简单且强有力：既然干扰来自“错误的参考”，那我们就先在仿真里把参考动作“修”对。

阶段 I：物理运动生成 (Stage I: Physical Motion Generation)

研究者训练了一个“特权专家策略”，它可以获取仿真器中的所有完美信息（如全局位置、精确速度、接触状态）。这个专家的唯一任务是：尽可能像人类动作，但必须符合机器人的物理定律。通过在仿真中进行轨迹展开（Rollout），它产生了一套全新的、对机器人来说“绝对可执行”的轨迹。

阶段 II：通用运动追踪 (Stage II: General Motion Tracking)

有了这套物理一致的参考后，第二阶段的策略训练就变得纯粹了。它只需要在真实的感知条件下（只有 IMU、关节角度等，没有特权信息）去模仿阶段 I 产生的轨迹。因为目标已经可行，策略不再需要“左右为难”，学习效率和鲁棒性大幅提升。

图 2：OmniTrack 的两阶段流水线：从原始运动到物理对齐，再到实机部署。

3. 实验结果：从“实验室演示”到“长效运行”

OmniTrack 在多个维度上展现了压倒性的优势：

• 追踪精度与稳定性：在 LAFAN1 这种包含大量高难动作的数据集上，OmniTrack 的成功率比之前的 SOTA 方法（如 BeyondMimic）提升了近 15%。
• 实机鲁棒性：得益于物理一致性的参考，G1 机器人可以在没有人工干预的情况下，连续运行 1 小时直到电池耗尽。甚至在面对强风、侧踢干扰时，依然能维持平衡。

图 3：通过 VR 头显实时远程操控，机器人展现了平滑自然、符合人类风格的交互动作。

4. 深度洞察：为什么这很重要？

过去的研究往往希望通过一个极其强大的神经网络（如 Transformer 或大型 MLP）来同时解决“物理平衡”和“复杂预测”问题。OmniTrack 的成功在于它回归了动力学本质。

通过阶段 I 的物理滤波，我们不仅得到了一套位置数据，还得到了高质量的监督信号（例如每个环节的接触掩码 Contact Mask）。这些信号在以前的原始动作捕捉数据中是缺失的，但对于训练稳定的脚部控制至关重要。

5. 局限性与展望

尽管 OmniTrack 表现卓越，但在处理极度复杂的环境交互（如在软垫或移动平台上）时，仍需进一步增强策略的自适应能力。未来，这种“先物理校准、后学习追踪”的范式可能会扩展到多模态交互领域，让机器人能够流畅地在复杂地形中进行搬运、攀爬等更实用的任务。

总结： OmniTrack 证明了物理规律不应该是学习的阻碍，而应该是引导学习的“真北”。