人形机器人不再依赖全身动作参考：FORGE用腕部相对位姿和粗指令完成搬箱，2公斤负载成功率90%
核心概要
人形机器人做搬箱这类全身操作，通常要采集全身人体动作轨迹或依赖腕部力传感器。FORGE把控制指令分成速度导航、落脚点、腕部位姿和可选力指令四档，训练时不需要全身人体动作参考，部署时只用骨盆坐标系下的双腕位姿和粗指令；它用动量观测器加学习修正，从关节状态和重建的PD力矩估计腕部等效力，无需腕部力/力矩传感器。在四档负载的蹲起搬箱任务上，同一套扩散策略加FORGE在空载和0.5公斤各20次试验中全部成功，1公斤和2公斤各成功18次。
深度剖析
人形机器人全身操作控制器现在可以用一套策略同时接受速度导航、平面落脚点、双腕位姿和可选腕部力四类指令，操作者按任务需要单独或组合启用。 此前的全身动作跟踪策略依赖密集的全身动作参考，不直接暴露落脚点、腕部目标和持续接触所需的指令接口；把移动与上半身分开的模块化方案则可能限制任务相关的全身协调。 在同一台机器人和同一组目标序列上各做20次硬件试验，FORGE的控制延迟为22毫秒，脚部与腕部平均位置误差分别为5.42厘米和4.15厘米；TWIST2为197毫秒、7.87厘米、7.76厘米，SONIC为252毫秒、7.35厘米、6.42厘米，HOMIE没有腕部目标或落脚点接口，跟踪误差记为不适用。
持续接触时的腕部等效力不靠腕部力/力矩传感器，而是由关节状态和重建的低层PD力矩估计出来，再用来微调腕部目标位置。 仅用解析动量观测器或仅用学习估计都存在误差，外部接触、摩擦、执行器行为和全身耦合在本体感觉中相互纠缠。 在G1硬件上用握持式测力计施加分级负载，每个条件重复10次；在未参与训练的35、40、50牛竖直负载上，混合估计的均方根误差分别为8.28、9.66、12.35牛，平面误差低于仅学习估计。
冻结的下半身运动先验加上非对称残差动作，让混合的移动、位姿和接触目标可以稳定训练。 不带运动先验、端到端训练29自由度策略无法学到稳定行为；去掉残差动作标准差裁剪会导致训练后期奖励崩溃。 在仿真中比较带掩码与不带掩码两个变体，每个变体20次 rollout、每次上限20秒；不带掩码时提前终止更频繁，线速度、脚部和腕部误差都更高。
FORGE可以作为视觉运动策略的全身执行器，把扩散策略输出的多粒度指令块变成关节动作。 此前这类全身控制器没有被放在跨负载的视觉运动流水线中检验执行能力。 一个跨负载扩散策略用四种负载条件各80条演示训练，共320条；在空载、0.5公斤、1公斤、2公斤箱子的蹲起搬运任务上各做20次硬件试验，成功率分别为100%、100%、90%、90%。
启示与展望
演示范围限于所评估的人形平台：硬件上覆盖行走、蹲起搬运和平面落脚，以及30牛腕部推力和50厘米身体拖拽下的恢复；力估计只在准静态接触下评估，下游任务只测了0至2公斤箱子的蹲起搬运。
腕部等效力只估计低频、准静态的平移分量，不识别未建模的连杆接触和全身耦合，也不构成完整力旋量感知或动态阻抗控制；力估计精度在更高竖直负载上下降，50牛时均方根误差为12.35牛。