H-Zero: Cross-Humanoid Locomotion Pretraining Enables Few-shot Novel Embodiment Transfer

📄 arXiv: 2512.00971v1 📥 PDF

作者: Yunfeng Lin, Minghuan Liu, Yufei Xue, Ming Zhou, Yong Yu, Jiangmiao Pang, Weinan Zhang

分类: cs.RO

发布日期: 2025-11-30

备注: in submission, under review

💡 一句话要点

H-Zero：跨人形机器人运动预训练实现少样本新形态迁移

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱七：动作重定向 (Motion Retargeting)

关键词: 人形机器人 运动控制 预训练 迁移学习 强化学习 泛化能力 少样本学习

📋 核心要点

  1. 现有机器人控制方法难以泛化到不同形态的机器人，需要针对每个机器人进行大量参数调整。
  2. H-Zero通过跨人形机器人运动预训练，学习通用的基础策略，从而实现快速迁移。
  3. 实验表明，H-Zero能够零样本或少样本迁移到新的机器人形态，并保持较高的运动性能。

📝 摘要（中文）

人形机器人技术的快速发展对稳健且适应性强的控制器提出了更高的需求，以实现不同平台上的稳定高效运动。然而，开发此类控制器仍然是一个重大挑战，因为现有的解决方案通常针对特定的机器人设计，需要对每个形态进行大量的奖励函数、物理参数和训练超参数的调整。为了解决这个问题，我们提出了H-Zero，一种跨人形机器人运动预训练流程，旨在学习一种通用的人形机器人基础策略。我们证明，在有限的形态集合上进行预训练能够实现零样本和少样本迁移到新的机器人上，并且只需要最少的微调。评估结果表明，预训练策略在模拟环境中，对于未见过的机器人，能够保持高达81%的完整episode时长，同时能够在30分钟的微调时间内实现对未见过的类人机器人和直立四足机器人的少样本迁移。

🔬 方法详解

问题定义：现有的人形机器人运动控制方法通常是针对特定机器人设计的，需要针对每个新的机器人形态进行大量的参数调整，包括奖励函数、物理参数和训练超参数。这使得开发能够适应多种人形机器人的通用控制器变得非常困难。现有方法的痛点在于缺乏泛化能力和需要大量的调参工作。

核心思路：H-Zero的核心思路是通过预训练的方式学习一个通用的、与机器人形态无关的基础运动策略。这个基础策略能够捕捉到人形机器人运动的基本规律，从而可以快速地迁移到新的机器人形态上。通过在多个不同形态的机器人上进行预训练，模型能够学习到更加鲁棒和泛化的特征表示。

技术框架：H-Zero的整体框架包含两个主要阶段：预训练阶段和微调阶段。在预训练阶段，模型在多个不同形态的人形机器人上进行训练，学习一个通用的基础策略。在微调阶段，将预训练好的模型迁移到新的机器人形态上，并使用少量的数据进行微调，以适应新的机器人。该框架使用强化学习算法（具体算法未知）进行策略学习。

关键创新：H-Zero的关键创新在于提出了跨人形机器人运动预训练的思想，通过在多个不同形态的机器人上进行训练，学习一个通用的基础策略，从而实现快速迁移。与传统的针对特定机器人进行训练的方法相比，H-Zero具有更强的泛化能力和更高的效率。

关键设计：论文中没有详细说明具体的参数设置、损失函数和网络结构等技术细节。但是，可以推测，损失函数的设计需要考虑到不同形态机器人之间的差异，并鼓励模型学习通用的运动模式。网络结构可能采用某种形式的循环神经网络（RNN）或Transformer，以捕捉运动的时序信息。预训练阶段需要精心选择训练的机器人形态，以保证模型能够学习到足够多的运动模式。

📊 实验亮点

H-Zero在模拟环境中，对于未见过的机器人，能够保持高达81%的完整episode时长。通过30分钟的微调，H-Zero能够实现对未见过的类人机器人和直立四足机器人的少样本迁移。这些结果表明，H-Zero具有很强的泛化能力和高效的迁移学习能力。

🎯 应用场景

H-Zero技术可广泛应用于人形机器人、类人机器人和四足机器人的运动控制领域。它能够降低开发新机器人控制器的成本和时间，加速机器人在复杂环境中的部署。该技术在灾难救援、物流运输、医疗服务等领域具有重要的应用价值，并有望推动机器人技术的进一步发展。

📄 摘要（原文）

The rapid advancement of humanoid robotics has intensified the need for robust and adaptable controllers to enable stable and efficient locomotion across diverse platforms. However, developing such controllers remains a significant challenge because existing solutions are tailored to specific robot designs, requiring extensive tuning of reward functions, physical parameters, and training hyperparameters for each embodiment. To address this challenge, we introduce H-Zero, a cross-humanoid locomotion pretraining pipeline that learns a generalizable humanoid base policy. We show that pretraining on a limited set of embodiments enables zero-shot and few-shot transfer to novel humanoid robots with minimal fine-tuning. Evaluations show that the pretrained policy maintains up to 81% of the full episode duration on unseen robots in simulation while enabling few-shot transfer to unseen humanoids and upright quadrupeds within 30 minutes of fine-tuning.