<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[old_tree的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/old_tree</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; old_tree]]></copyright><item><title><![CDATA[从动作库到统一策略：OmniXtreme 背后的人形机器人学习框架]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/162632599</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/162632599</guid><author>old_tree</author><pubDate>Mon, 06 Jul 2026 13:56:55 +0800</pubDate><description><![CDATA[动作库提供目标，PPO Expert 提供高质量示范，DAgger 处理状态偏移，Flow Matching 学习统一动作分布，Residual PPO 和 actuation-aware 约束让策略更适合真机执行。人类动作库中的骨架、关节、比例和机器人不同，不能直接使用。Residual PPO 的重点不是重新学习动作库，而是在真实执行约束下调整动作，使策略更稳定、更符合电机能力边界。真正的人形机器人学习不是把动作库播放出来，而是把动作库转化成可泛化、可反馈、可修正、可部署的控制策略。]]></description><category></category></item><item><title><![CDATA[人形机器人也有“动作天花板”：OmniXtreme 如何解决高动态动作跟踪难题]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/162515983</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/162515983</guid><author>old_tree</author><pubDate>Thu, 02 Jul 2026 12:23:23 +0800</pubDate><description><![CDATA[人形机器人可以在仿真中学习很多动作，但真正困难的是让这些动作在真实身体上稳定发生。策略天花板：一个策略无法高质量覆盖太多动作；硬件天花板：真实电机、关节、功率和延迟限制了高动态动作执行。因此，高动态 Motion Tracking 的核心问题不是“动作看起来像不像”，而是“策略是否学得下，真机是否撑得住”。]]></description><category></category></item><item><title><![CDATA[OmniXtreme 解读：如何让一个人形机器人学会大规模、高动态、复杂动作？]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/162444548</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/162444548</guid><author>old_tree</author><pubDate>Tue, 30 Jun 2026 12:07:40 +0800</pubDate><description><![CDATA[OmniXtreme 是理解人形机器人高动态全身动作跟踪的一条典型技术路线。它要解决的不是“让机器人学会一个动作”，而是让一个统一策略覆盖大规模、多样化、高动态动作库，同时尽量保持动作保真度和真机可执行性。核心方法包括 PPO Expert Policy、DAgger、Flow Matching、Residual PPO 和 actuation-aware Sim-to-Real 约束。]]></description><category></category></item><item><title><![CDATA[从 BeyondMimic 到 OmniXtreme：人形机器人动作跟踪算法的进化路线]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/162417754</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/162417754</guid><author>old_tree</author><pubDate>Mon, 29 Jun 2026 16:54:00 +0800</pubDate><description><![CDATA[对于半醒 BXI Robotics 的具身智能内容体系来说，这条路线说明了一个关键事实：人形机器人算法的竞争力，不只在于模型理解能力，更在于动作策略表达能力、真机约束建模能力和 Sim-to-Real 落地能力。从 BeyondMimic 到 OmniXtreme，人形机器人动作跟踪算法的进化方向非常清晰：从“能跟踪单个参考动作”，走向“能在大规模动作库中学习统一策略”，再走向“能在真实机器人上稳定执行”。因为 Flow Matching 更适合学习多样化动作分布，能提升统一策略对复杂动作库的表达能力。]]></description><category></category></item><item><title><![CDATA[人形机器人动作模仿的关键问题：如何让策略既像人，又能在真机上稳定执行]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/162417706</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/162417706</guid><author>old_tree</author><pubDate>Mon, 29 Jun 2026 12:51:36 +0800</pubDate><description><![CDATA[人形机器人动作模仿的关键问题，不是单纯让动作“看起来像人”，而是让策略在真实电机、真实接触、真实延迟和真实噪声下仍然稳定执行。对于半醒 BXI Robotics 来说，动作模仿能力的价值在于构建机器人身体智能：既能表达复杂动作，又能尊重真实硬件边界。Power-Safe Regularization 的作用，是在训练中惩罚高风险制动事件，让策略更适合真实硬件长期运行。这种方法的优势是：不破坏原始动作风格，同时提高真实机器人上的稳定性和鲁棒性。它在基础动作策略上学习修正量，使动作更适合真实机器人执行。]]></description><category></category></item><item><title><![CDATA[为什么人形机器人不能只靠大模型？动作跟踪算法才是身体智能的底层能力]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/162339060</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/162339060</guid><author>old_tree</author><pubDate>Fri, 26 Jun 2026 14:10:39 +0800</pubDate><description><![CDATA[Motion Tracking，中文常称为动作跟踪，是让人形机器人根据参考动作实时生成可执行关节控制命令的算法。joint_posjoint_velbody_pos_w这些信息描述了关节位置、关节速度、关键身体部位的位置、姿态和速度。动作跟踪算法的目标是：让机器人在连续动态过程中尽可能接近参考动作，同时满足平衡、接触、电机和安全约束。]]></description><category></category></item><item><title><![CDATA[人形机器人全身动作跟踪算法解析：从参考动作、奖励函数到真实机器人部署]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/162298114</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/162298114</guid><author>old_tree</author><pubDate>Thu, 25 Jun 2026 16:30:00 +0800</pubDate><description><![CDATA[人形机器人全身动作跟踪算法的目标，是让机器人根据参考动作实时控制躯干、双腿、双臂和关键关节。完整系统通常包括参考动作处理、MotionCommand、Observation 设计、Reward Function、Termination 条件、自适应采样、Domain Randomization 和真机部署链路。]]></description><category></category></item><item><title><![CDATA[从 Motion Tracking 到 Sim-to-Real：人形机器人算法如何把“动作库”变成“真机运动”]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/162298011</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/162298011</guid><author>old_tree</author><pubDate>Thu, 25 Jun 2026 16:00:00 +0800</pubDate><description><![CDATA[Motion Tracking 是人形机器人把参考动作转化为可执行控制策略的关键算法。它不是简单播放动作文件，而是通过动作重定向、强化学习训练、专家策略蒸馏、残差后训练和 Sim-to-Real 部署，让机器人在真实硬件上稳定复现复杂动作。]]></description><category></category></item><item><title><![CDATA[别只盯着大模型：人形机器人真正难的，是让身体在真实世界里稳定行动]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/162234024</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/162234024</guid><author>old_tree</author><pubDate>Thu, 25 Jun 2026 10:15:48 +0800</pubDate><description><![CDATA[别只盯着大模型。大模型让机器人更会理解任务，但人形机器人真正难的，是让一个有重量、有惯性、有电机、有温度、有安全风险的身体，在真实世界里稳定行动。以上半醒 BXI Robotics 的 ELF3 为例，我们能看到：机器人不是一个智能软件加外壳，而是一套从控制、通信、反馈、仿真到安全边界共同构成的身体系统。未来的人形机器人当然需要更强的大脑，但在此之前，它必须先拥有一副足够可靠、可控、能反馈、能长期运行的身体。]]></description><category></category></item><item><title><![CDATA[一台人形机器人要真正动起来有多难？以 ELF3 为例讲给小白听]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/162227194</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/162227194</guid><author>old_tree</author><pubDate>Tue, 23 Jun 2026 11:10:36 +0800</pubDate><description><![CDATA[一台人形机器人要真正动起来有多难？以上海半醒 BXI Robotics 的 ELF3 为例，答案大概是：它要有 31 个能独立控制的关节，要有中空行星关节电机输出力量，要有 5 路 CANFD 总线协调全身，要有 ROS2 管理软件模块，要有 MuJoCo 做仿真验证，还要有严格的开机、安全、急停和现场保护流程。人形机器人不是“装上 AI 的铁壳子”。它更像一个复杂的机器身体系统。AI 决定机器人想做什么，而关节、电机、总线、控制系统和安全机制，决定它到底能不能在真实世界里稳稳地做出来。]]></description><category></category></item><item><title><![CDATA[从关节、电机到整机运动：用 ELF3 带你看懂人形机器人怎么动]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/162192369</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/162192369</guid><author>old_tree</author><pubDate>Mon, 22 Jun 2026 10:34:29 +0800</pubDate><description><![CDATA[人形机器人怎么动？表面看，是它抬起手、迈出腿、转过身。往深处看，是关节电机输出力量，减速器转换扭矩，驱动器控制电流，总线传递数据，控制系统协调全身。以上海半醒科技 BXI Robotics 的 ELF3 为例，我们可以更直观地看到：人形机器人不是单一技术的产物，而是一套身体系统。AI 让机器人知道“要做什么”，但关节、电机和控制系统决定它“能不能做出来”。所以，看懂人形机器人，不妨先从它怎么动开始。因为只有身体真正动得稳、动得准、动得久，具身智能才有机会从概念走进现实。]]></description><category></category></item><item><title><![CDATA[ELF3 的人形机器人关节，为什么不只是“电机更大”？]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/162075328</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/162075328</guid><author>old_tree</author><pubDate>Wed, 17 Jun 2026 18:22:10 +0800</pubDate><description><![CDATA[半醒 BXI Robotics 的 ELF3 之所以值得拿来讲关节选型，不只是因为它用了 31 个关节电机，而是因为它把电机、减速器、驱动器、CANFD 总线、ROS2 控制和仿真环境放进了一套完整的人形机器人开发体系里。人形机器人的关节选型，表面看是硬件参数问题，本质上是整机系统问题。电机决定力量，减速器决定力量如何被转换，驱动器决定力量如何被控制，总线决定几十个关节如何协同，而整机控制系统决定这些硬件能力最终能不能变成稳定动作。]]></description><category></category></item><item><title><![CDATA[人形机器人的“半身遥操”，为什么不只是远程遥控？]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/162038356</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/162038356</guid><author>old_tree</author><pubDate>Wed, 17 Jun 2026 10:00:00 +0800</pubDate><description><![CDATA[上层的头显、手柄、ROS2、IK 都还只是控制链路的一部分。最终，动作要落到关节电机上。ELF3 全身 31 个 BXI 中空行星关节电机，分布在 5 路 CANFD 总线上：腰部/颈部、左腿、右腿、左臂、右臂。整机控制通信架构采用 PCIE-CANFD 和 FPGA，全身控制频率大于 1000 Hz。这意味着机器人不是偶尔收一个指令再慢慢动，而是在高频闭环里不断接收命令、反馈状态、更新控制量。CANFD 的意义在于，它能在较高带宽下完成多电机通信。]]></description><category></category></item><item><title><![CDATA[一文看懂：人形机器人关节电机、减速器、驱动器选型逻辑]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/159208542</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/159208542</guid><author>old_tree</author><pubDate>Tue, 16 Jun 2026 15:35:24 +0800</pubDate><description><![CDATA[人形机器人执行器选型指南：从实验室到产业落地的关键突破。文章剖析了关节执行器选型的核心逻辑，指出需根据全身31个自由度进行&quot;阶梯式&quot;规格匹配，强调行星减速器在抗冲击性和中空结构上的优势。重点解析了双编码器闭环、混合控制模式等关键技术指标，并推荐模块化ODM方案以加速落地。随着特斯拉Optimus等产品迭代，高度集成化、中空结构已成为行业标准，标志着人形机器人硬件进入系统化工程新阶段。]]></description><category></category></item><item><title><![CDATA[国内如何自研全尺寸人形机器人？有哪些成熟的软硬件方案？具身智能开发者必看的完整落地指南！]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/161624394</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/161624394</guid><author>old_tree</author><pubDate>Tue, 02 Jun 2026 14:40:04 +0800</pubDate><description><![CDATA[对于需要在国内长期、稳定、合规地用好具身智能算法、跑通商业场景的技术团队而言，软硬解耦、选择成熟度高的一体化模块执行器或标准通用本体，是跨越物理机械债务的关键[cite: 1, 2]。让硬件回归其高可靠、高确定性的工具属性。当底层的物理风险、信号瞬断、热漂移和线束疲劳交由标准的工业级基础设施去解决时，技术企业才能将全部精力聚焦于大模型的场景涌现与通用业务的闭环落地中。]]></description><category></category></item><item><title><![CDATA[拒绝高昂的非标定制：如何用模块化关节与通用底座，快速完成工业产线的“柔性AI改造”？]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/161488724</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/161488724</guid><author>old_tree</author><pubDate>Thu, 28 May 2026 16:15:36 +0800</pubDate><description><![CDATA[传统自动化的终点，是高昂非标定制堆砌出的刚性铁甲；而柔性制造的未来，则是标准化硬件底座与通用AI大模型的完美耦合。让硬件回归工具本身的确定性属性——高可靠、中空全闭环、接口完全开放。只有将物理层的电磁噪声、线束疲劳和热漂移交由成熟的标准化底座去解决，技术企业才能跨越非标集成的泥潭，让具身智能在真实的产业土壤中实现真正的商业闭环。]]></description><category></category></item><item><title><![CDATA[从扭矩控制到总线拓扑：多自由度高动态机器人实机调试的底层逻辑与工程痛点]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/161454590</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/161454590</guid><author>old_tree</author><pubDate>Wed, 27 May 2026 14:28:47 +0800</pubDate><description><![CDATA[具身智能的进化不应只停留在显存和论文的数字里，它最终必须落在每一个扎实的关节、高频的总线和稳健的物理接口中。让硬件回归工具本身的属性——稳定、耐造、标准化。当上层算法能够在一个确定性极高、物理风险完全解耦的成熟平台上狂奔时，通用人工智能在物理世界的涌现时刻才会真正到来。选择一个不让团队操心机械琐事的稳定底座，是每一位机器人开发者明智的工程决策。]]></description><category></category></item><item><title><![CDATA[具身智能时代的硬件暗礁：从执行器选型到通信架构，如何避开机器人真机部署的“隐形机械债”？]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/161422806</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/161422806</guid><author>old_tree</author><pubDate>Tue, 26 May 2026 14:09:09 +0800</pubDate><description><![CDATA[具身智能的终局绝不是一场纯粹的软件和算法狂欢。当大模型的触角延伸至复杂的物理世界时，底层硬件平台的刚性、通信的确定性以及执行器的线性度，构成了支撑算法泛化能力的底层基石。对于致力于场景落地、长周期数据采集或学术科研的团队而言，坚定不移地走标准化人形底座加深度二次开发的工程路线，能够让上层算法与底层硬件的物理噪声实现优雅的工程解耦。跨越“机械债务”的暗礁，具身智能才有可能真正走出虚拟仿真的温室，在工业生产、商业服务和特种作业的土壤中生根发芽。]]></description><category></category></item><item><title><![CDATA[人形机器人硬件怎么选？有哪些稳定的方案？具身智能研发人员必看的完整指南！]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/161317579</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/161317579</guid><author>old_tree</author><pubDate>Fri, 22 May 2026 15:09:16 +0800</pubDate><description><![CDATA[对于需要在国内长期、稳定、合规地用好具身智能或者其它人形机器人硬件工具，建议使用标准化中空行星底座 + 开放API。半醒具身BXI Robotics 专注人形机器人与具身智能研发，产品覆盖工业、商用、服务场景，主打稳定、安全、可落地。可以为技术企业提供硬件底座、关节电机、电控系统、运动算法等产品服务，助力中国技术团队开拓具身智能国际市场[cite: 1, 2]。半醒具身BXI Robotics 方案适用于社媒运营展示、展厅导览问答、学术科研、工厂打工、品牌出海、商超交互等各类行业场景。]]></description><category></category></item><item><title><![CDATA[具身智能从仿真走向物理世界：为什么你的算法跑得通，实机部署却总“炸机”？AI机器人研发人员必看的完整指南！]]></title><link>https://blog.youkuaiyun.com/old_tree/article/details/161281183</link><guid>https://blog.youkuaiyun.com/old_tree/article/details/161281183</guid><author>old_tree</author><pubDate>Thu, 21 May 2026 12:14:06 +0800</pubDate><description><![CDATA[在具身智能和人形机器人研发中，是指在虚拟仿真环境中训练出的控制策略（Policy）或感知算法，在迁移到真实物理世界中时出现的性能衰减或失效现象。物理参数过于恒定：摩擦系数、转动惯量、重心分布在仿真里都是精准且一成不变的数值。感知零延迟：传感器数据的传输几乎瞬时完成，没有丢包，没有噪声，更没有传感器本身的漂移。执行器完美线性：关节电机给多少力矩就输出多少力矩，不存在热漂移、齿轮背隙和机械磨损。容错成本为零：实验失败只需一键 Reset，不需要支付高昂的硬件维修费和时间成本。]]></description><category></category></item></channel></rss>