KinoGen 用运动学视频生成直接为人形机器人合成全身操作参考动作

ChongZzZhang · x · 2026-10-16

当前人形机器人学习新技能依赖高质量参考动作，而这些参考通常通过动捕或视频从人类获取。作者 Qi Wu 指出这种「每个参考都要经过人类替身」的路线限制扩展性，且重建误差会与具身差距（embodiment gap）叠加放大。

其提出的 KinoGen 通过运动学锚定的视频生成（kinematically grounded video generation），直接为目机器人合成 loco-manipulation（移动+操作）参考动作，跳过人类中间环节。帖子以线程形式展开，正文为开头。