人形机器人跑跳不再只学动作：Contact-UAN用6.5分钟行走数据补上执行器力模型
核心概要
人形策略在仿真里学会动作，却常常学不会训练中的力交互，导致力矩浪费、力跟踪不准、落地冲击难吸收。Contact-UAN保留仿真器的刚体与接触物理，只学习执行器指令通道上的残差修正，并用本体感知推断落脚姿态，使回放从与硬件一致的接触力开始。在Unitree G1上，仅用6.5分钟真实行走数据训练的一个残差模型，使跑步力矩降低20%、力跟踪误差降低43%，并支持稳定跳跃与落地。
深度剖析
人形机器人从仿真迁移到硬件时，动作可以看起来对，但训练中学到的力交互未必跟着迁移，表现为力矩效率低、负载调节差、抗冲击弱。 此前的残差执行器学习依赖回放硬件轨迹来提供训练信号，而回放若从与硬件不等价的仿真状态开始，学到的修正会去抵消重置误差，而不是执行器差异。 在硬目标仿真器上，采用接触一致重置的UAN训练出的下游策略，20秒存活率从直接估计器重置的49.8%升到96.7%，与组件或完整oracle重置的96.6%–98.4%接近。
Contact-UAN只修正仿真器接收的指令，不改动刚体动力学、接触求解和数值积分，因此保留了仿真器的物理先验。 完全学习的世界模型需要从数据拟合全部机器人—环境动力学，而监督式执行器网络需要可靠的输出力矩传感，许多人形平台并不具备。 在留出的跑步硬件数据上，用相同记录指令和相同重标记初始状态回放，Contact-UAN把全关节聚合力矩失配降低69.2%；在硬目标仿真器上，即使使用真值初始化，残差仍把24步关节位置RMSE从0.0720降到0.0184 rad。
接触一致的重置状态由本体感知推断，包括站立脚在仿真侧的位姿和基座速度，使回放从与硬件一致的接触力开始。 悬空自由空间运动的状态匹配只是运动学问题，缺少站立、发力、冲击和落地所需的接触信息；而脚高毫米级、姿态度级的误差就会显著改变仿真接触力。 状态估计器先在仿真中训练，只对置信的站立样本回归位姿；在硬目标仿真器上，接触条件化的估计器把接触高度RMSE降低一个数量级。
一个用6.5分钟真实行走数据训练的UAN可跨任务复用，覆盖跑步、力/阻抗控制与跳跃。 无UAN的基线策略在高速指令下触发电机过热保护并进入安全阻尼模式，力跟踪误差更大，任务奖励微调后的跳跃策略在落地时失败。 跑步在三个指令速度下各做五次硬件试验，UAN策略保持速度跟踪的同时力矩用量低于基线；力跟踪用测力计、每个指令力做四次试验，整体误差降低43%；跳跃在参考跟踪后做任务奖励微调，UAN策略迁移成功且落地稳定。
启示与展望
演示范围是29自由度Unitree G1人形，名义仿真器采用BeyondMimic G1参数，训练数据为约6.5分钟真实行走；下游任务为跑步、力/阻抗控制与跳跃，均在硬件上验证。状态估计器假设平坦地形，只用于离线重标记，不进入下游策略训练与部署。
当前模型不覆盖耦合执行器效应和随电机温度变化的效应；温度效应因电机温度相对控制环演化缓慢而难以从短数据中辨识。仿真到仿真中，加入任务特定的跑步数据相对仅用行走数据带来的额外收益很小。替代架构在匹配仿真比较中下游表现相近。