扩散模型生成人形机器人控制网络权重

2026年10月15日，arXiv Robotics 刊出 Huixuan Cheng 等作者的论文，研究能否直接通过神经网络权重对人形机器人高性能控制网络进行生成式建模。该工作采用线性自编码器加 Diffusion Transformer 的潜在扩散框架，将 actor 网络参数压缩到紧凑潜在空间并建模其分布；训练数据来自 Unitree G1 机器人强化学习收集的网络权重。据该论文称，生成的网络可实机部署，完成行走、跳舞和回旋踢等动作。研究还在第一层权重中识别出持续反映机器人运动学先验的结构规律，该先验在强化学习与模仿学习训练下均会出现，作者据此提示其可能源于人形具身共性，而非特定优化过程。目前进展停留在论文发布阶段。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。