CrossBFM:多人形机器人共享行为空间,训练成本从数百 GPU 时降到 1 小时内

Tan-Dzung Do · hf · 2026-09-30

行为基础模型(BFM)让机器人能用一个潜向量表达要模仿的动作、要到达的姿势或要最大化的奖励,但现有 Forward-Backward 表示训练单个机器人需数百 GPU 小时,且不同机器人学到的潜空间互不相通。CrossBFM 把潜空间本身当作可迁移资产:利用重定向提供的帧级跨本体对应,提出无机器人专属参数的统一编码器,把行为空间蒸馏到多个本体,训练耗时不足 1 GPU 小时,再用潜条件追踪器以 PPO 方式约 10 GPU 小时转化为全身控制。在三个蒸馏人形机器人上,三种提示模式全部迁移成功:潜条件策略仅损失 0.025 rad,姿势间目标可达无摔倒,41 个奖励提示全部完成优化。实验还显示用 1/4 动作语料训练编码器仅损失 5% 追踪性能,在部分机器人上训练、在未见机器人上评估可恢复高达 89% 的性能,并已在真机上验证全流程。