东谈主形机器东谈主对跳舞这件事，如今是越来越擅长了。

比如跳一支查尔斯顿舞，一分四十秒的丝滑扭捏，厚实得像踩着节奏器：

不外，它们能否像东谈主类雷同自如切换跳舞、体操、平淡操作等不同的动作模式？

北京大学与 BeingBeyond 团队调治研发的 BumbleBee 系统给出了最新谜底：通过改进的"分治 - 高超 - 会通"三级架构，该系统初度闭幕东谈主形机器东谈主在千般化动作中的厚实截止。

破解"大家逆境"与"实验边界"

传统东谈主形机器东谈主截止战略遥远濒临两大中枢挑战：

大家逆境：单一任务优化导致系统复杂度增长，难以掩盖多场景需求。

实验边界：仿真环境查验的战略在着什物理宇宙中认知断崖式下跌，动作奉行精度与厚实性无法保险。

BumbleBee 系统通过"分治 - 高超 - 会通"三级架构，初度在单一截止框架内闭幕从大家战略优化到通用全身截止的朝上，为通器具身智能截止提供了全新科罚决议。

通顺 - 语义调治运行的动作分类：构建动作会通的"双通谈"

系统通过多模态特征构建与调治隐空间对皆，闭幕动作在通顺学与语义层面的双重表征：

通顺学特征提真金不怕火：基于 SMPL 样式的东谈主类通措施列，通过前向通顺学调整为宇宙坐标系中的 3D 环节坐标（如头部、骨盆、行动等关键点），并补充脚部速率、根节点位移等动态物理量；终末通过 Transformer 编码。

语义特征编码：应用 BERT 模子对动作文本形容（如"托马斯回旋：水平旋转 360 度，双手撑持大地"）进行编码处理，并通过 Transformer 映射至与通顺特征同维度的隐空间。

调治潜在空间对皆：通过对比学习将通顺特征与语义特征在并吞隐空间对皆，确保具有相似语义不祥通顺特征的动作在隐空间中连合，变成通顺 - 语义调治表征。

K-means 聚类：在隐空间中对通顺数据进行分类，变成结构化数据集。相较于传统手工分类，该法子自动捕捉动作的通顺学特征与语义的干系，使聚类效果在通顺学与语义上的一致性得回普及。

仿真到实验的互异建模：弥合"实验边界"

大家战略查验：在每个动作簇内查验大家通顺追踪战略，并通过增量动作模子（Delta Action）赔偿仿真与实验的物理互异（如电机延伸、大地摩擦力变化）。

多大家会通的通用战略：通过 DAgger 算法将多个大家战略的学问蒸馏到一个通用战略中，闭幕跨动作类型的无缝切换。在 MuJoCo 仿真环境中，通用战略的收遵守达 66.84%，显赫优于千般基线法子；着实机器东谈主实验中，几分钟的连气儿跳摆动作收遵守 100%。

实验考据：数据运行的性能冲破仿真环境：卓越基线的全面上风

筹谋东谈主员在 IsaacGym 和 MuJoCo 仿真环境进行了全面评估，使用任务收遵守（SR）、环节角谬误（MPJPE）、关键点谬误（MPKPE）等野心对比现存法子：

在更接近着实的 MuJoCo 环境中，BumbleBee 的收遵守达到66.84%，显赫优于其他基线（最高仅 50.19%）。

着实机器东谈主：厚实与纯简直双重考据

在 Unitree G1 平台上，系统认知出以下特质：

动作厚实性：举手之劳地完成千般长程跳舞任务。

高难度动作截止：不错进行托马斯回旋、侧手翻等动作。

接下来，筹谋团队筹谋在以下标的赓续冲破：

多模态感知会通：整合视觉 - 惯性里程计与触觉反应，普及动态环境合乎性。

当然言语领导运行：通过当然言语领导胜仗生成动作序列（如"跳一段骄贵的跳舞"）。

技俩主页：https://beingbeyond.github.io/BumbleBee/  

论文连气儿：https://arxiv.org/abs/2506.12779v2

一键三连「点赞」「转发」「注重心」

接待在洽商区留住你的思法！

—  完  —

� � 点亮星标 � �

科技前沿进展逐日见体育游戏app平台