GenTrack：用于机器人原生运动生成和零射击人形跟踪的物理对齐

通用类人跟踪器可以执行不同的参考，但它们的零样本覆盖范围取决于扩展成本高昂的大型具体语料库。文本到运动生成器提供可扩展的监督，但根据人体运动或重定向数据训练的模型继承了运动学合理性和机器人可执行性之间的差距。现有的单向管道修复了生成的语料库或奖励跟踪器。我们介绍了 GenTrack，一个在线生成器-跟踪器框架，它交替执行基于执行的、与组相关的生成器对齐与对新生成的引用进行跟踪器训练；锚定和排练限制了漂移。在 Unitree G1 上，我们使用 ProtoMotions 和 SONIC 主干在三个零样本跟踪分割中评估 GenTrack，包括公共 AMASS 和 LAFAN 基准测试，以及包含 1,024 个即时运动对的私人分布外测试集。在线协同训练策略一致地生成能够输出更多具有强语义对齐的机器人可执行运动的生成器，以及具有明显更广泛的零样本覆盖范围和更高的跟踪精度的跟踪器，特别是在分布外参考上。这些结果表明，联合在线 后训练 有效缩小了重定向参考和机器人本机运动之间的可执行性差距，在无需额外数据收集的情况下推进了零样本人形控制，并超越了静态参考池的限制。