宇树G1人形机器人进化升级：新增桌凳搬运能力

10月3日消息，由美国亚马逊FAR实验室联合麻省理工学院、加州大学伯克利分校、斯坦福大学及卡内基梅隆大学等顶尖院校研发的最新成果OmniRetarget近日正式亮相。这款基于交互网格的创新引擎，能够精确生成保持交互特性的运动轨迹数据。

在公开的演示视频中，宇树科技G1人形机器人展现出令人惊艳的运动能力，仅依靠本体感知策略（不依赖视觉或激光雷达）就完成了一系列复杂动态动作序列。

研究人员展示了G1机器人搬运椅子到桌边作为踏板，爬至桌面后又跳下地面，并完成类似跑酷的翻滚缓冲动作的全套流程。

OmniRetarget引擎的创新之处在于：它采用交互网格技术，精确建模并保留了机器人、地形与操作对象之间的关键空间关系和接触特性。通过优化人类与机器人之间的网格变形，在满足运动学约束的前提下生成可行的动作轨迹。

研究团队通过多个数据集测试验证了OmniRetarget的性能，累计生成超过9小时的运动轨迹数据。相比传统方法，新系统在满足运动学约束和保持接触稳定性方面表现更为出色。

这些高质量数据使G1机器人能够仅使用5项奖励参数和简单的随机训练策略，就习得了长达30秒的复杂跑酷和物体操作技能，完全不需要渐进式学习方案。

研究团队展示了包括翻滚、攀爬桌子、跳箱、爬行等多种高难度动作演示。

值得一提的是，OmniRetarget还能让机器人执行多样化的动作风格，例如8种不同的搬箱方式。

目前该项目的研究论文和数据集均已公开，相关代码将后续发布。详情可访问研究主页：

https://omniretarget.github.io/