论文记录 · 证据边界公开

Real-World Humanoid Locomotion with Reinforcement Learning

arXiv preprint (v2) · 2023-03-06 · 人形全身运动跟踪

论文元数据

作者: Ilija Radosavovic、Tete Xiao、Bike Zhang、Trevor Darrell、Jitendra Malik、Koushil Sreenath
机构: University of California, Berkeley
发布日期精度: 日
研究方向: 人形全身运动跟踪
机器人: Agility Robotics Digit humanoid (approximately 1.6 m, 45 kg, 30 DoF; 16 actuated joints controlled by learned policy)
DOI: 10.48550/arxiv.2303.03381
arXiv: 2303.03381
引用元数据: 0
记录状态: included
质量检查: 无自动质量红旗

工程资源状态

代码: 已核验未发布
权重: 已核验未发布
数据: 已核验未发布
许可证: 未核验

每日候选人工终审

这项工作是早期大尺寸人形真机端到端学习控制的重要节点：在 Digit 上先以 Isaac Gym 的随机环境训练特权状态 teacher，再以 teacher imitation 与 PPO 联合训练因果 Transformer 的 observation-action history policy，并零样本转移至室外。论文披露真实执行为策略 50 Hz、关节 PD 1 kHz，训练使用 4×A100；Digit 约 1.6 m、45 kg、30 DoF（16 个受控关节）。作者在一个星期全天室外测试中报告未观察到跌倒，并展示广场、人行道、跑道、草地、干/湿地面、外力、8.7% 坡、负载、1 m/s 指令和脚部卡障恢复；但这些真机主张没有公开 episode 数、失败日志、原始传感/动作轨迹或置信区间。与 Agility 公司控制器的 10-run/95% CI 结果只来自厂商高保真模拟器，实体世界仅称观察到部分一致行为。它应作为“Transformer 历史上下文 sim-to-real 人形行走”的历史谱系与当前 WAM/记忆式策略的可比前身，而不能被贴成视觉、VLA、世界动作模型、开放权重、可复现的现代主流系统。

实机证据：author_reported_real_digit_zero_shot_deployment_with_video_evidence_no_public_logs_or_independent_reproduction；作者声明一周全天室外测试未观察到跌倒，覆盖人行道、广场、跑道、草地、干/湿表面；还展示外力、4 类地表覆盖物、两种斜坡、5 种负载、1 m/s 命令、摆臂和台阶脚部卡障恢复。论文未给这些真机场景的总 episode、试验随机化、成功/失败数、干预、误差条或原始日志。与厂商控制器的量化对比是在 Agility 高保真模拟器三个场景、各 10 次、报告均值/95% CI；仅部分场景在硬件上观察到一致行为，不能把模拟胜率写成真机排行榜。

硬件/本体：Agility Robotics Digit (approximately 1.6 m, 45 kg, 30 DoF)、joint encoders and IMU through Agility API、learned policy at 50 Hz、joint PD controller at 1 kHz

红旗与边界：真机一周无跌倒是作者叙述，缺少 episode 分母、失败/干预日志和置信区间；不能转化为可直接横比的成功率；与 Agility 公司控制器的统计胜率来自高保真模拟器；真实不稳定木板场景因硬件损坏风险未测；仅 Digit 一种本体，且是盲本体感觉控制；不验证视觉、触觉、VLA、WAM、语言、操作、轮足或跨厂商迁移；没有公开代码、权重、训练配置、Digit API/高保真仿真访问、数据或许可证，无法按开放工程结论使用；论文报告 4×A100 训练与厂商专属环境，不能被宣传成低成本或单卡复现路线

查看资源 · paper · 状态 verified_primary_v2_identity_method_and_limits · 许可证 arXiv article distribution terms; not artifact license
v2 明确因果 Transformer、teacher imitation+PPO、模拟随机化、Digit 实机、50 Hz/1 kHz 和实验边界。
查看资源 · project · 状态 verified_official_berkeley_author_project_page · 许可证 website asset terms not declared; not a controller/data license
作者项目页连接论文与视频，展示室外行走、脚部卡障、草地、坡面和摆臂；页面没有代码、checkpoint、数据或下载入口。
code · 状态 not_verified_publicly_released · 许可证 not declared
原论文和作者项目页仅提供 Paper/Video；未发现官方训练、Digit 驱动、随机化、控制器、部署或复现实装仓。不可把 GitHub Pages 项目站或公开视频当作实现发布。
weights · 状态 not_verified_publicly_released · 许可证 not declared
未核验到 Transformer policy、teacher policy、归一化统计、配置、模型卡或 checkpoint 许可证。
data · 状态 on_policy_simulation_and_real_test_logs_not_publicly_released · 许可证 not declared
方法为 on-policy 训练而非固定示范数据集；未核验到 Isaac Gym 随机化配置/seed、Agility simulator 场景、Digit 编码器/IMU 数据、实机命令/动作、跌倒或干预日志与数据许可。
查看资源 · project · 状态 official_video_evidence_not_reproducible_artifact · 许可证 not declared
可观看公开视频以核对作者展示的物理 Digit 行走，不能替代量化 trial log 或独立复现。

论文入库不等于代码、权重或数据开放；“承诺开放”“声称开放”和“已核验可下载”严格分开。

原始来源

最近核验：2026-08-14。链接存在不等于官方仓库、可运行、已开放权重/数据或许可证允许使用。

训练算力(显卡)	未披露
训练时长	未披露
部署推理硬件	未披露
显存/内存/CPU 占用	未披露
运行效率(Hz)	50 Hz

论文元数据

算力与训练档案 置信 high · 模型 glm-5.3 · 更新 2026-09-01T05:12:10Z

算力与训练档案置信 high · 模型 glm-5.3 · 更新 2026-09-01T05:12:10Z