KPI：人形机器人物理交互的即时内核

类人机器人现在的行走、平衡和伸展具有显着的通用性：一种全身跟踪策略遵循来自人类或端到端策略的参考。这种普遍性在轨迹中传播，而轨迹本身就携带了关于它应该产生的交互的有限信息：在接触时，执行控制器决定机器人的行为方式。单任务策略通常通过在仿真中一起优化轨迹和控制器来实现硬交互；一般堆栈通常采用预设或手动选择的控制器。我们提出了 KPI，一个用于轨迹源和未经修改的全身跟踪器之间物理交互的提示内核。轨迹源不是在任务之前固定控制器，而是发送合同：每个方向、跟踪、遵守或保持力范围。根据跟踪误差和扳手估计，内核以接触速率调整臂的刚度、阻尼、参考和前馈。我们通过 Agentic 框架演示 KPI：视觉语言Agent根据一条指令编写参考轨迹和合约，无需特定于任务的代码。我们演示了指令驱动的绞车操作、开门和箱子运输，以及脚本化的表面交互实验。在绞盘演示中，人形机器人能够转动曲柄将第二个机器人完全提升离地。