VR 拥挤环境动捕采 1185 条轨迹，训练人形机器人钻缝隙爬行
Scobleizer · x · 2026-09-22
Scobleizer 转发介绍 Void 的 MTC 训练工作：不搞昂贵的真人实体障碍场，而是把人放进按 Unitree G1 身形等比缩放、程序化生成的 VR 杂乱环境里，采集人类自发发明的侧身挤、低头、高抬腿、趴地爬行等动作。
- 数据规模：1185 条轨迹、327 个环境、超 32 小时
- 关键难点在重定向：逐帧重定向可能出现单帧看似无碰撞、但帧间机器人身体扫过障碍物的情况，MTC 方法针对性解决这一问题
- 核心主张：后空翻很酷，但真正决定人形机器人能否进入家庭的是「能否穿过奶奶的储物间而不撞墙」这类杂乱环境通行能力
「具身」频道最新
- 智平方被曝打造机器人「人格商店」:同一具身体随换 AI 人格 — Scobleizer · 2026-09-22
- AI 激光除草机不用除草剂，直接激光消灭杂草 — TinfoilTricorn · 2026-09-22
- Light Origins 开源 6B 全身动作模型 Light-O1-Preview — CurieuxExplorer · 2026-09-22
- Muse 模型实机跑上 Meta 眼镜，或成 Connect 大会重头戏 — Scobleizer · 2026-09-22
- 周末原型：用 Spectacles 实现多人共置观战一起玩宝可梦 — willeastcott · 2026-09-22
- XGEN 发布 JING：基于 MiniMax-H3 的第一人称交互式世界模型 — Scobleizer · 2026-09-22