四足机器人的行为基础：ABot-C0 技术报告

运动控制器是实体智能系统中最基本的模块之一。在大规模人体动作捕捉数据和动作跟踪范式的驱动下，人形控制近年来取得了显着的进展。然而，将此方法迁移到四足动物设置远没有那么简单：动物运动数据比人类数据更稀缺且更难以大规模捕获，并且跨实体重定向仍然脆弱。我们推出了 ABot-C0，这是一种用于四足机器人的通用运动控制系统，它建立了三个互补的行为基础：可扩展的多源运动数据管道、跨运动跟踪、运动和场景交互的强大策略学习，以及用于可靠的现实操作的统一部署堆栈。从根本上来说，我们通过条件视频生成合成、带注释的动作捕捉、远程操作和人体设计构建了一个数据金字塔，生成 16,074 个物理上可行的动作剪辑，作为满足不同动作学习需求的数据基础。利用大规模运动数据，流量匹配通才策略首次证明了四足动物运动跟踪的缩放法则：随着训练规模的扩大，性能持续提高，并具有零样本能力来跟踪看不见的运动。然后，我们通过采用具有时间激光雷达记忆和地形预测监督的三阶段特权感知框架，进一步朝着稳健的全地形运动迈进。总的来说，这些组件形成了一个运动多面手，可以协调多策略执行、平滑的行为转换、节能控制和实际部署的安全机制。关于城市地形自主导航和同伴式多模式交互的大量实验表明，四足机器人可以超越功能演示，迈向产品级行为智能。