45条示范扩成4800条：Zero-HLM让人形机器人零真机示范学全身操作

机器之心 · wechat · 2026-11-13

北京通用人工智能研究院联合北理工、清华、德塔智能推出 Zero-HLM，一条 Real2Sim2Real 路径：人形机器人全身移动操作任务无需采集真机示范，仅用仿真数据训练即可零样本迁移到宇树 G1 真机。

方法：

手机拍摄场景做高斯重建，GPT-Astra 以其为参照对齐几何、配置碰撞与关节，构建「看起来真实且能物理交互」的训练环境。
以 45 条遥操作源示范为起点生成新配置下的全身动作，交给与部署一致的全身控制器实际执行验证；执行偏了就协同调整场景配置与参考动作，只有执行成功的轨迹才进训练集。
45 条源示范最终自动扩展为 4,800 条成功示范，再据此训练 GR00T N1.7 并通过 SONIC 控制器部署到 G1。

结果：

三类长程任务（放香蕉进篮、蹲下搬帽子、双手搬筐+脚关门）真机评测：每任务 800 条仿真示范训练的平均成功率 66.7%，比 100 条真机示范基线高 20 个百分点。
五种泛化设置（换起点、换抓放位置、换物体-目标组合）共 100 次真机测试，汇总成功率 69%，远高于真机数据基线的 23%。
对比基线：让 GPT-Astra 生成调试采集程序的数据生成路线几乎不可用（香蕉任务 20%、帽子任务 0%），说明物理执行反馈验证必不可少。

团队同步开源 Zero-HLM-Bench（3 个长程任务、9 个技能阶段），统一接口下 GR00T N1.7 完整任务成功率 69.7%，DiT4DiT 64.0%，π₀.₅ 59.0%。诊断显示视觉域差异仍是 sim2real 的主要瓶颈。

「具身」频道最新