RoboForge: Physically Optimized Text-guided Whole-Body Locomotion for Humanoids
作者: Xichen Yuan, Zhe Li, Bofan Lyu, Kuangji Zuo, Yanshuo Lu, Gen Li, Jianfei Yang
分类: cs.RO
发布日期: 2026-03-18
备注: 10 pages, 5 figures,submitted to IROS 2026
💡 一句话要点
RoboForge：面向人形机器人的物理优化文本引导全身运动框架
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱四：生成式动作 (Generative Motion) 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)
关键词: 人形机器人 文本引导运动 物理优化 运动生成 运动控制
📋 核心要点
- 现有文本生成人形机器人运动方法依赖运动重定向，易产生物理不合理、接触错误等问题。
- 论文提出双向耦合的物理优化框架RoboForge，通过物理合理性优化模块连接运动生成与控制。
- 实验表明，RoboForge在运动跟踪精度和稳定性上优于传统方法，为文本引导人形机器人提供可行方案。
📝 摘要（中文）
生成模型在产生类人运动方面表现出色，但将其迁移到人形机器人上进行物理执行仍然具有挑战性。现有流程通常受限于运动重定向，其运动学质量因物理不可行性、接触过渡错误以及高昂的真实世界动力学数据成本而受到影响。我们提出了一个统一的潜在驱动框架，通过一个无重定向、物理优化的流程，桥接自然语言和全身人形机器人运动。我们的关键见解是将生成和控制在物理约束下双向耦合，而不是将它们视为独立的阶段。我们引入了一个物理合理性优化（PP-Opt）模块作为耦合接口。在前向方向，PP-Opt使用以合理性为中心的奖励来细化教师-学生蒸馏策略，以抑制漂浮、滑冰和穿透等伪影。在后向方向，它将奖励优化的模拟轨迹转换为高质量的显式运动数据，用于微调运动生成器，使其更接近物理上合理的潜在分布。这种双向设计形成了一个自我改进的循环：生成器学习物理基础的潜在空间，而控制器学习以动态完整性执行潜在条件行为。在Unitree G1人形机器人上的大量实验表明，我们的双向优化提高了跟踪精度和成功率。在IsaacLab和MuJoCo中，隐式潜在驱动流程在精度和稳定性方面始终优于传统的显式重定向基线。通过将基于扩散的运动生成与物理合理性优化相结合，我们的框架为可部署的文本引导人形机器人智能提供了一条实用路径。
🔬 方法详解
问题定义：现有文本引导人形机器人运动的方法主要依赖于运动重定向，即将生成的类人运动映射到机器人身上。这种方法忽略了机器人的物理约束，容易导致运动不自然、不稳定，甚至无法执行，例如出现漂浮、滑冰、穿透等现象。此外，真实世界动力学数据的获取成本高昂，限制了算法的泛化能力。
核心思路：论文的核心思路是将运动生成和运动控制进行双向耦合，通过物理合理性优化（PP-Opt）模块作为桥梁，使得运动生成器能够学习到物理上可行的潜在空间，而控制器能够学习到以动态完整性执行潜在条件行为。这种双向优化形成一个自我改进的循环，从而提高运动的真实性和可执行性。
技术框架：RoboForge框架包含运动生成器、物理合理性优化（PP-Opt）模块和运动控制器三个主要部分。首先，运动生成器根据文本输入生成初始运动序列。然后，PP-Opt模块在前向方向，使用以合理性为中心的奖励来细化教师-学生蒸馏策略，抑制运动伪影。在后向方向，PP-Opt将奖励优化的模拟轨迹转换为高质量的显式运动数据，用于微调运动生成器。最后，运动控制器根据优化后的运动序列控制人形机器人执行运动。
关键创新：该论文的关键创新在于提出了双向耦合的物理优化框架，将运动生成和运动控制紧密结合，避免了传统方法中运动重定向带来的问题。通过PP-Opt模块，实现了运动生成器和控制器之间的信息交互和优化，使得生成的运动更加符合物理规律，更易于在真实机器人上执行。
关键设计：PP-Opt模块是整个框架的关键。在前向优化中，使用了基于奖励的强化学习方法，奖励函数的设计至关重要，需要考虑物理合理性、稳定性等因素。在后向优化中，将模拟轨迹转换为显式运动数据，用于微调运动生成器，需要选择合适的微调策略和损失函数。此外，运动生成器通常采用扩散模型，需要设计合适的网络结构和训练方法，以生成高质量的运动序列。
🖼️ 关键图片
📊 实验亮点
实验结果表明，RoboForge在Unitree G1人形机器人上取得了显著的性能提升。在IsaacLab和MuJoCo仿真环境中，RoboForge在运动跟踪精度和稳定性方面始终优于传统的显式重定向基线。具体而言，RoboForge能够有效抑制漂浮、滑冰等运动伪影，提高运动的真实性和可执行性。
🎯 应用场景
该研究成果可应用于人形机器人的运动控制、人机交互、康复训练等领域。例如，可以让人形机器人根据自然语言指令完成复杂的运动任务，提高机器人的智能化水平和应用范围。此外，该方法还可以用于虚拟现实和游戏等领域，生成更加逼真和自然的虚拟角色运动。
📄 摘要（原文）
While generative models have become effective at producing human-like motions from text, transferring these motions to humanoid robots for physical execution remains challenging. Existing pipelines are often limited by retargeting, where kinematic quality is undermined by physical infeasibility, contact-transition errors, and the high cost of real-world dynamical data. We present a unified latent-driven framework that bridges natural language and whole-body humanoid locomotion through a retarget-free, physics-optimized pipeline. Rather than treating generation and control as separate stages, our key insight is to couple them bidirectionally under physical constraints.We introduce a Physical Plausibility Optimization (PP-Opt) module as the coupling interface. In the forward direction, PP-Opt refines a teacher-student distillation policy with a plausibility-centric reward to suppress artifacts such as floating, skating, and penetration. In the backward direction, it converts reward-optimized simulation rollouts into high-quality explicit motion data, which is used to fine-tune the motion generator toward a more physically plausible latent distribution. This bidirectional design forms a self-improving cycle: the generator learns a physically grounded latent space, while the controller learns to execute latent-conditioned behaviors with dynamical integrity.Extensive experiments on the Unitree G1 humanoid show that our bidirectional optimization improves tracking accuracy and success rates. Across IsaacLab and MuJoCo, the implicit latent-driven pipeline consistently outperforms conventional explicit retargeting baselines in both precision and stability. By coupling diffusion-based motion generation with physical plausibility optimization, our framework provides a practical path toward deployable text-guided humanoid intelligence.