跳到主要内容

Beijing Institute for General Artificial Intelligence

2 篇关联报道

arXiv 2026年11月4日
人形机器人踢球不再各管一段：SoccerBot用人类动作先验统一四项技能并零样本上真机
人形机器人踢足球此前要么只覆盖少数技能，要么完全不用动作先验而动作生硬。SoccerBot把大规模人类足球动作捕捉数据蒸馏成一个结构化的隐式动作先验，让单一技能条件策略在同一个潜空间里学习移动、带球、停球和踢球。在Unitree G1上，该策略零样本迁移到真机，仿真中踢球与带球成功率分别为97.04%和89.88%，真机踢球方向误差从4.09度升到10.41度。
人形机器人踢足球此前要么只覆盖少数技能，要么完全不用动作先验而动作生硬。SoccerBot把大规模人类足球动作捕捉数据蒸馏成一个结构化的隐式动作先验，让单一技能条件策略在同一个潜空间里学习移动、带球、停球和踢球。在Unitree G1上，该策略零样本迁移到真机，仿真中踢球与带球成功率分别为97.04%和89.88%，真机踢球方向误差从4.09度升到10.41度。
Shanghai Jiao Tong University Beijing Institute for General Artificial Intelligence Peking University
Haoyu Shao（第一作者）
SoccerBot人形足球框架潜在运动先验人形机器人足球分层强化学习仿真到现实迁移
arXiv 2026年10月14日
视频注意力常把不同景物认成同一处：GAD用几何模型注意力做蒸馏，Wan2.2 5B跨帧匹配率至少提升30%
视频扩散模型在镜头移动或物体运动时容易丢失场景几何，原因是跨帧注意力常把响应分散到多个区域，无法稳定指向同一景物。GAD把冻结的几何基础模型VGGT-在干净视频上的注意力提取为对应关系目标，并按噪声时间步把监督路由到场景结构正在形成的层，用成对与跨轨两种监督训练视频注意力。在RealEstate10K与DL3DV-10K的15秒长程生成上，Wan2.2 5B加入GAD后跨帧匹配命中率在两个数据集上均至少相对提升30%，且推理时不增加额外模块或计算。
视频扩散模型在镜头移动或物体运动时容易丢失场景几何，原因是跨帧注意力常把响应分散到多个区域，无法稳定指向同一景物。GAD把冻结的几何基础模型VGGT-在干净视频上的注意力提取为对应关系目标，并按噪声时间步把监督路由到场景结构正在形成的层，用成对与跨轨两种监督训练视频注意力。在RealEstate10K与DL3DV-10K的15秒长程生成上，Wan2.2 5B加入GAD后跨帧匹配命中率在两个数据集上均至少相对提升30%，且推理时不增加额外模块或计算。
Alibaba Group (China)Beijing Institute for General Artificial Intelligence Tsinghua University
Junfeng Ni（第一作者）
GAD（几何注意力蒸馏）注意力蒸馏相机控制视频生成 VGGT 视频扩散模型

已读完全部报道