伯克利团队用扩散模型直接采样机器人策略权重，Unitree G1 真机走跑起舞
berkeley_ai · x · 2026-10-16
UC Berkeley 团队（Huixuan Cheng、Bike Zhang、Shankar Sastry、Koushil Sreenath）发布 arXiv 论文，探索能否像采样图像一样「采样」机器人控制网络。
- 方法：采用 latent diffusion 框架，用线性自编码器将 actor 网络参数压缩到紧凑潜空间，再由 Diffusion Transformer 建模其分布；训练数据来自数千个针对 Unitree G1 的 RL 策略网络。
- 结果：全程无需 RL 训练、无奖励、无微调，直接采样生成的网络可部署到真实 Unitree G1 上完成行走、跳舞、回旋踢等动作。
- 发现：无论何种动作，各网络第一层权重都最关注髋部和腰部——即「身体结构先验优先、运动技能其次」；该运动学先验在 RL 和模仿学习训练下均会出现，说明它并非特定训练范式的产物。
「具身」频道最新
- HKU 等提出 OneWM：统一因果训练让世界模型与动作学习互相增益 — IAAI233 · 2026-10-16
- 特斯拉悬停跑车被指非飞行汽车：气罐撑不了多久 — tinyfool · 2026-10-16
- Scobleizer 转述：Optimus 实机比空中翻转的新 Roadster 更震撼 — Scobleizer · 2026-10-16
- 独立开发者的 AI PASSPORT 固件几天下载破 1200 次 — ezshine · 2026-10-16
- 1X 开设加州工厂，批量量产 NEO 人形机器人 — emmanuelvivier · 2026-10-16
- Waymo 无人驾驶出租车对圣安东尼奥等三城全面开放 — emmanuelvivier · 2026-10-16