内容摘要
人形机器人控制器通常按任务分开训练：行走、操作、跌倒起身、柔顺交互各有一套策略，能力重复、模式切换还需额外工程。这篇论文把"动作达成什么"与"身体如何协调"拆开——通用全身策略做协调执行层，任务逻辑交给技能层：用普通代码在每个控制步写出"提示"，提示只给部分目标，策略把粗略几何草图变成协调动作；技能规则可由编码智能体分析动作数据、拟合后迭代，新任务不再训练策略。
训练分两段：先用强化学习训练稠密动作跟踪专家，再做掩码式在策略蒸馏，把专家压成接受稀疏提示的生成策略，训练后冻结。真机上身体位姿由正运动学从关节与 IMU 重建，不依赖外部动捕；改用世界坐标目标还需额外定位。
对比在仿真里做：54 个目标的全身伸手中 Metatron 到达率 83%，ARDY+SONIC 39%、GRU+IK+SONIC 28%、GRU+SONIC 0%，到达者的手臂精度接近。躯干 100 ms 力脉冲下（8 s 后保持直立才算成功），两条参考跟踪流水线在 800 N 及以上成功率为 0，600 N 时仍有 17%/25%；Metatron 为 100/100/62/75/75（200–1000 N），600–1000 N 非单调，论文也未把差异归因到单一设计。消融中去掉起身数据或潜变量辅助损失都会掉点，600–800 N 下各方法成功率都低于 10%。真机演示用同一份冻结权重切换行走、起身、遥操作取物、坐上沙发等模式。
点评
对机器人本体软件程序员，这是把"加新任务"从训练问题变成写提示与状态机代码的问题：同一份冻结权重靠改代码复用已学到的运动能力，技能规则还能交给编码智能体去分析动作数据、拟合与迭代。论文的分工也很清楚：执行层负责把粗略目标变成平衡与关节动作，"选目标、长时间规划"仍留在上层任务系统。
证据只有作者论文本身（arXiv v1 全文快照），没有独立复现。目标选择与长时程规划仍由外部任务系统负责：G1 是被放到椅子或沙发旁并给出附近物体提示，自主接近后坐下并未演示。硬件只有演示级证据，没有跨初始条件与工况的重复试验，因此起身可靠性、步态稳定性、接触安全与失效模式都尚未量化。仿真对比中 Metatron 那一路未使用合成起身数据，而真机演示用的四专家策略含起身训练，两者不是同一个模型。表 II 的成功判据是 8 s 后保持直立；强扰动下各方法在 600–800 N 的成功率都低于 10%。消融里的 MaskedMimic+、HOVER+ 是作者按其专家、训练管线、动捕语料与算力改写的适配基线，网络显著大于原方法实现，不代表原方法的原样复现。
版本与核查范围
版本 2610.38027v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #S1.p1.1；#S1.p2.1；#abstract1.1；#S3.p1.1；#S1.p5.1；#S6.SS5.p2.1；#S6.T1.7；figcaption[94]；#S6.T2.7；#S6.SS5.p3.1；#S6.SS6.p4.1；#A1.SS9.p1.1