柔顺 GMT：用残差参考自适应实现通用运动追踪

一、研究背景：能跳舞，不等于能安全地与人接触

人形机器人正在从实验室里的自由空间行走，转向厨房、工厂、展厅和家庭等充满接触的环境。通用运动追踪（general motion tracking，GMT）因此成为重要的底层控制接口：同一套策略接收动作片段、遥操作姿态或视觉语言动作模型给出的目标，再把它转成全身关节命令。GMT 的价值在于通用性，策略必须能覆盖行走、转身、舞蹈和快速抬臂等差异很大的动作，并在此过程中保持平衡。

但现有 GMT 的主要训练目标通常是尽可能贴近参考轨迹。机器人偏离目标时，位置误差会通过反馈控制被持续压低，这种“刚度”在自由空间里有利于抑制漂移，却是物理接触中的危险因素。假设机器人在擦白板，操作者或上层模型给出的手部轨迹略微穿过桌面；僵硬控制器会不断把机械臂推回期望点，导致桌面、物体甚至机器人关节承受不必要的力。参考动作本身也可能来自延迟或不完美的感知系统，误差不可能完全消除。

过去的人形机器人柔顺控制大致分成两类。一类针对单条动作训练高度定制化的策略，可以获得非常自然的全身屈服，但换一个动作就要重新训练；另一类追求通用运动追踪，却只让上肢顺应外力，腰和腿仍然维持刚性，因此面对持续下拉时无法通过屈膝、重心后移来分散载荷。两类方法都在“通用性”和“全身柔顺性”之间做了取舍。

论文指出的真正困难是训练目标冲突。如果让一个策略同时从零学习跟踪海量动作、维持动态平衡、推断手部受到了多大的力，并产生符合指定刚度的响应，样本需求、奖励设计和可行力范围都会迅速恶化。很多外力组合本身就会让目标动作失衡，策略会把大量训练预算浪费在物理上不可能完成的样本上。

C-GMT 的核心判断因此不是“让 GMT 更软”，而是把问题拆成两个可以分别验证的子问题：先得到一个能承受负载、仍然忠实执行参考动作的跟踪器；再学习一个小型适配器，在动作进入跟踪器之前修改参考姿态。这样，柔顺响应成为一个可测量、可调参、可仿真的参考生成问题，而不是埋在巨大强化学习策略里的隐式副产物。

二、预备知识：SONIC、运动 token 与参考修改

论文以 SONIC 为通用运动追踪基础。SONIC 将输入动作编码到连续潜空间，再通过有限标量量化（finite scalar quantization，FSQ）得到离散运动 token。与其直接在根速度、关节位置等原始运动学量上做残差，C-GMT 选择在 token 层适配。原因是原始空间的微小变化可能造成完全不同的物理结果；作者在实践中发现，根速度稍微改变就可能诱发意外的行走行为。

参考修改也不是一个新的低层控制器。部署时，适配器仍然输出一个供 GMT 执行的动作参考，底层的解码器负责维持平衡、生成关节控制。这个分工让 C-GMT 能够复用已经在大规模动作数据上训练过的运动先验，不需要重新学习“怎样走”和“怎样转身”。适配器只回答一个更窄的问题：当手部受到外力时，原本的动作应该怎样暂时变形。

柔顺性在这里由“指令刚度”参数化。刚度越小，同样大小的外力应产生越大的位移；刚度越大，机器人越接近原参考。这种表达方式比只训练一个固定“软策略”更适合实际系统，因为上层任务可以在精细操作时要求高刚度，在人机协作时要求低刚度。论文评价的重点之一，正是适配器是否真的按照指令刚度产生比例一致的响应，而不是只在某一种外力下看起来比较软。

三、总体框架：先训练力鲁棒跟踪器，再蒸馏柔顺适配器

Fig. 2 给出了 C-GMT 的训练与部署路径。训练阶段先对 SONIC 的解码器和价值网络做 PPO 微调，使它能在手上挂载质量或受到持续拉力时继续执行动作；动作编码器和 FSQ 保持冻结。随后，带外力特权的教师模型根据弹簧律和全身逆运动学生成柔顺参考，再用教师动作、修改后的 motion token 和辅助力预测目标训练本体感觉适配器。部署阶段不再知道真实外力，只把历史关节状态、历史动作和刚度指令送入适配器。

图 1：论文 Fig. 2，C-GMT 的训练与部署流程。左侧是力鲁棒跟踪器，中央是力特权教师，右侧是部署时仅依赖本体感觉的残差适配器。

flowchart LR
    A["Motion clip or teleoperation"] --> B["Frozen SONIC encoder and FSQ"]
    B --> C["Motion token z"]
    C --> D["Residual adapter"]
    P["Proprioception and action history"] --> D
    K["Commanded stiffness log k"] --> D
    D --> E["Adapted token z tilde"]
    E --> F["Force-robust SONIC decoder"]
    F --> G["Unitree G1 joint targets"]
    T["Force-privileged spring and IK teacher"] -. "distillation target" .-> D

这个顺序很关键。如果先训练一个已经非常软的基础策略，再试图恢复高精度跟踪，会重新遇到通用性与柔顺性的冲突；C-GMT 则先保证底层策略在负载下仍能执行参考，再让适配层决定何时、向哪里偏。即使适配器关闭，系统仍是一个完整的力鲁棒 GMT，因而模块边界和失效模式都比较清楚。

3.1 力鲁棒跟踪器：让参考有被执行的余量

原版 SONIC 没有针对持续手部载荷训练。外加重物会把手臂拉离参考，外力足够大时还可能破坏平衡。作者因此只微调解码器和 critic，保留 SONIC 的动作编码、量化器、奖励、域随机化和自适应动作采样。训练时每只手会独立采样最多 2 kg 的载荷，并叠加方向随机的持续外力；外力每 2 至 4 秒重新采样一次，迫使策略看到负载方向和大小变化，而不是只记住一个固定偏移。

不同动作对载荷的容忍度差别很大。跳跃落地时手脚的可用修正空间与站立擦桌子不同，如果所有动作使用同一个力范围，高难动作会频繁失败。论文给每条动作片段维护一个载荷比例，并用累计失败率更新。全局力预算从 10 N 逐步升到 30 N，片段 c 的实际预算写成：

$$B_c=\mu_c B$$

其中 B 是当前全局力预算，μ_c 是动作片段的缩放系数。失败率高的片段会自动降低扰动，随着策略变强再增大。这不是简单地删除困难样本，而是避免不可行组合主导梯度，同时继续探索可完成且有挑战的载荷区间。

载荷条件	跟踪器	成功率	全局 MPJPE (mm)	局部 MPJPE (mm)	PA-MPJPE (mm)
无载荷	SONIC	0.953	135	28.8	20.9
无载荷	力鲁棒版本	0.977	183	26.5	18.8
右手 4 kg	SONIC	0.914	208	33.0	25.6
右手 4 kg	力鲁棒版本	0.977	212	27.6	20.6
双手拉力 ≤40 N	SONIC	0.906	419	39.6	26.4
双手拉力 ≤40 N	力鲁棒版本	0.945	289	29.8	20.7
双手拉力 ≤60 N	SONIC	0.820	708	42.8	28.8
双手拉力 ≤60 N	力鲁棒版本	0.867	349	32.6	22.3

Table I 说明了一个重要区别：力鲁棒微调并不是单纯让每个指标都变好。无载荷时，全局位置误差从 135 mm 增至 183 mm，增加了 4.8 cm；但局部 MPJPE 和 PA-MPJPE 分别改善到 26.5 mm 和 18.8 mm，而且在 4 kg 负载及 60 N 拉力下，稳定性和局部跟踪明显更可靠。作者还解释，4.8 cm 仅为 128 条留出动作平均位移 1.82 m 的 2.6%。底层跟踪器需要在精确复现与抵抗外力之间做轻微交换，而适配器负责在接触时主动修改参考。

3.2 力特权教师：先用弹簧律定义期望响应

得到力鲁棒 GMT 后，论文构造一个训练时能看到真实外力的教师。对于被作用连杆 i，教师以原参考位置为基础，按胡克定律式的位移生成期望位置：

$$\mathbf{p}_{i,\mathrm{des}}=\mathbf{p}_{i,\mathrm{ref}}+\frac{\mathbf{F}_i}{K_t^{\mathrm{cmd}}}$$

其中 F_i 是外力和重力等引起的等效载荷，K_t^cmd 是指令刚度。公式的含义很直接：力越大，目标端位移越大；刚度越大，同样力导致的位移越小。教师不会只移动手，还会把期望端位置送入带关节盒约束的全身逆运动学，让脚、骨盆、质心和上肢一起寻找可平衡的姿势。

IK 目标按优先级组合。推动侧手腕位置权重最高，脚的位置和朝向次之，质心目标负责维持支撑。论文 Table IV 给出的权重是手腕 5.0、脚位置 2.5、脚朝向 0.5、骨盆朝向 0.03、关键点位置 0.01，另有手腕、腰、膝和全身关节正则。质心的水平项为 0.1，竖直项使用 10^-6 的极小权重。所有解受到关节位置、关节速度和自碰撞约束，因此“柔顺”不会变成任意地把手穿过身体。

这个教师还有一个方法论价值：在训练适配器之前，可以直接让力鲁棒 GMT 执行教师生成的参考，并观察机器人是否摔倒、动作是否自然、力变化是否过大。作者在 4096 条 BONES-SEED 代表性动作、8 个力方向和多个刚度上做自动扫描，只保留不会使机器人跌倒的力范围。这样，适配器学习的目标不是拍脑袋设定的奖励，而是经过底层执行器验证的参考轨迹。

3.3 适配器：在 FSQ 之后修改运动 token

部署时真实外力不可直接测量，适配器必须从本体感觉推断交互。它接收 10 步历史，共 930 维观测与动作，外加 64 维 motion token 和对数刚度 log k。网络是两层 MLP，隐藏层为 [512, 256]，使用 ELU 激活，并分出残差、门控和辅助力预测三个头。残差头输出 64 维修正，门控头为 SONIC 的两个 motion token 各输出一个 0 到 1 的系数，修改后的 token 为：

$$\tilde{\mathbf{z}}=\mathbf{z}+\mathbf{g}\odot\Delta\mathbf{z}$$

符号 z̃ 表示适配后的运动 token，g 是门控向量，Δz 是残差头预测的修正，⊙ 表示逐维相乘。残差必须加在 FSQ 之后，因为如果在连续潜变量上修改后再量化，小偏移可能跨过离散边界，使 token 突然跳到另一个动作类别，表现为明显抖动。门控和 0.005 的死区共同保证无外力时原始 token 能近乎原样通过。

辅助力预测头不是部署控制的一部分，它的作用是给共享表示施加额外监督，让网络在关节位置、速度和历史动作里寻找与受力有关的线索。残差头采用零初始化，训练开始时 Δz 为零，系统严格退化为原 GMT。这个设计降低了新增模块破坏既有运动先验的风险，也让无接触样本的回归目标非常自然：动作、残差和门控都应回到接近零。

在少量受力时，门控还可以选择哪一部分 token 需要适应。若把整个 token 都改写，适配器容易改变步态或上半身节奏；把修正限制在相关子空间，可以更接近“局部受力、全身协同”的目标。论文没有把门控解释成显式身体部位选择，但从实现上，它提供了逐 token 的幅度控制，而强度又由刚度指令影响。

3.4 教师到学生的三阶段训练

适配器首先用 500 次教师驱动更新学习模仿教师动作和教师修改后的 token，此时机器人基本沿着教师轨迹执行。随后用 1000 次更新把 rollout 的驱动权从教师线性移交给学生，最后完全由学生自己驱动直到收敛。这个课程很关键：如果学生永远在教师的理想状态附近训练，它不会遇到自身预测错误造成的新状态；而突然切换到自驱动又可能让训练不稳定。

总损失包含动作模仿、token 模仿、外力样本的动作重点加权、力预测、残差幅度正则、无外力动作/残差/门控归零、动作变化率、jerk 和抗振荡项。Table VI 中，普通动作模仿权重为 1.0，有外力时为 2.0，token 模仿为 0.25，力预测为 0.1；抗振荡主损失权重达 60，归一化抗振荡损失权重为 10。这说明训练的主要难点不是让网络“动起来”，而是让它在接触过程中稳定、可重复地动。

3.5 抗振荡损失：惩罚残差与关节速度同向累积

早期适配器会出现低频摆动，尤其在持续外力或无外力静止时更明显。单纯提高动作变化率和 jerk 惩罚没有消除它，还会把正常的柔顺位移一起压平。作者从残差动作与关节速度的相关性入手，先定义第 j 个关节的残差动作：

$$r_j(t)=a_j^S(t)-a_j^B(t)$$

这里的 a_j^S 是学生最终给出的关节目标，a_j^B 是未加适配器的底层跟踪器目标，因此 r_j 正好表示适配器额外推动关节的量。接着计算相邻控制步的残差动作变化和关节速度变化：

$$\Delta r_j(t)=r_j(t)-r_j(t-1),\qquad \Delta v_j(t)=v_j(t)-v_j(t-1)$$

如果残差的变化持续与现有速度同方向，适配器就在放大机器人的运动，形成正反馈。未归一化损失对 14 个手臂关节求平均后取正部：

$$\mathcal{L}_{\mathrm{osc}}=\operatorname{ReLU}\left(\frac{1}{14}\sum_{j=1}^{14}\Delta r_j(t)\Delta v_j(t)\right)$$

这个损失能抑制大幅度响应中的放大，但当关节运动很小时，乘积本身也小，因此对静止附近的小抖动不够敏感。论文又用 5 步差分构造归一化版本。令 Δ₅r_j 和 Δ₅v_j 分别表示 5 步内的残差动作与速度变化，则：

$$\mathcal{L}_{\mathrm{osc}}^{\mathrm{norm}}=\frac{1}{14}\sum_{j=1}^{14}\operatorname{ReLU}\left(\frac{\sum_t \Delta_5 r_j(t)\Delta_5 v_j(t)}{\sum_t(\Delta_5 v_j(t))^2+\epsilon}\right)$$

分母归一化后，损失更关注残差与速度变化的方向关系，而不被动作幅度直接缩小；五步差分则减少单步噪声的影响，让缓慢持续的小幅摆动更容易被捕捉。ε 取 2×10^-3，用于避免分母过小。两项损失的分工是：非归一化项处理较大的动态放大，归一化项处理休息和持续外力下的小抖动。它们并没有把所有高频动作压平，因为惩罚对象是残差对已有速度的同向强化，而不是所有关节加速度。

四、实验设置：三种输入接口，一套底层系统

力鲁棒跟踪器在 Isaac Lab 中基于 BONES-SEED 训练，使用 3 张 H200 约 5 天；适配器在 mjlab（MuJoCo-Warp）中用 4 张 H100 训练约 2 天。网络和底层 GMT 都以 50 Hz 运行，部署设备是一台带 RTX 3080 的笔记本和 Unitree G1。物理仿真步长在教师/跟踪器阶段为 5 ms，在适配器训练中为 2 ms，这种设置保留了接触和快速力变化所需的数值稳定性。

系统支持三种参考接口：直接动作回放使用 SONIC 的 G1 动作编码器；全身遥操作使用 PICO 4 Ultra 捕捉人体姿态，再转成 SONIC 的 SMPL 输入；VLA 实验则使用微调后的 GR00T N1.7-3B 生成动作参考。三者共用同一个适配器和力鲁棒 GMT，说明柔顺模块不是针对某一种遥操作设备单独调出来的。

部署时还有一层安全逻辑：适配器的力预测头输出会做指数移动平均，当预测外力超过与刚度相关的阈值时暂停参考动作播放，外力降低后再恢复。这个机制主要防止剧烈交互中动作时钟继续前进，导致机器人在已经偏离参考的情况下仍被要求完成下一段动作。它不是控制器的替代品，而是与柔顺层配合的状态保护。

五、实验结果：柔顺响应没有牺牲太多通用追踪

5.1 指令刚度是否真的可调

论文先在站立动作上向手部施加外力，并在训练使用的刚度范围内测量位移。有效刚度可写为力与位移的比值：

$$K_{\mathrm{eff}}=\frac{\lVert\mathbf{F}\rVert}{\lVert\Delta\mathbf{p}\rVert}$$

Fig. 3 用对数坐标比较 C-GMT 与专门为站立动作训练的 SoftMimic。C-GMT 在整个刚度范围内表现出单调响应：指令刚度增大，手部位移减小。更重要的是，它与 SoftMimic 的曲线接近，而后者只针对单一站立动作训练。这说明在多个动作上训练的 C-GMT 没有因为通用性而失去可调的接触响应，至少在手部受力与位移关系上，模块没有变成“要么很硬、要么完全失控”的两端。

图 2：论文 Fig. 3，不同指令刚度下的有效柔顺响应；C-GMT 与针对站立动作定制的 SoftMimic 接近。

这里需要区分“指令遵循”和“绝对力控制”。适配器只从本体感觉估计外力，没有直接力矩闭环；因此在真实环境中，摩擦、负载方向估计误差和接触刚度都会改变实际位移。论文的强项是让刚度成为可预先指定、在仿真中可测的参考生成参数，而不是宣称已经实现工业级阻抗控制。

5.2 无外力时是否保留动作质量

第二组实验在 LAFAN1 的 12 条行走动作和 17 条动态动作上比较 SONIC、力鲁棒无适配器版本、TWIST2、GentleHumanoid 与 C-GMT。动态动作总长 63 分钟，行走动作总长 48 分钟。评价包括不摔倒成功率、全局位置误差、全局朝向误差、局部位置误差和局部朝向误差。

动作组	方法	成功率	全局位置误差 (m)	局部位置误差 (m)	局部朝向误差 (rad)
行走	C-GMT, k=100	97.1%	0.44 (0.36)	0.038 (0.014)	0.20 (0.07)
行走	C-GMT, k=300	97.9%	0.43 (0.36)	0.037 (0.014)	0.20 (0.07)
行走	SONIC	98.9%	0.24 (0.22)	0.040 (0.010)	0.21 (0.05)
行走	力鲁棒解码器	97.5%	0.37 (0.34)	0.032 (0.013)	0.18 (0.06)
行走	TWIST2	86.8%	1.00 (1.08)	0.030 (0.021)	0.19 (0.12)
行走	GentleHumanoid	68.6%	0.97 (0.74)	0.031 (0.022)	0.20 (0.12)
动态	C-GMT, k=100	88.0%	0.61 (0.70)	0.049 (0.021)	0.28 (0.13)
动态	C-GMT, k=300	88.3%	0.60 (0.70)	0.047 (0.019)	0.28 (0.12)
动态	SONIC	90.4%	0.48 (0.63)	0.048 (0.015)	0.26 (0.09)
动态	力鲁棒解码器	87.2%	0.58 (0.75)	0.040 (0.016)	0.24 (0.10)
动态	TWIST2	65.8%	1.27 (1.23)	0.040 (0.026)	0.24 (0.14)
动态	GentleHumanoid	46.2%	0.79 (0.82)	0.049 (0.030)	0.30 (0.17)

C-GMT 的动态动作成功率为 88.0% 至 88.3%，比 SONIC 的 90.4% 低约 2 个百分点，但远高于 TWIST2 的 65.8% 和 GentleHumanoid 的 46.2%。全局位置误差相对 SONIC 增加约 0.12 至 0.13 m，局部位置误差只增加约 1 mm，说明大部分退化来自底层力鲁棒微调带来的全局漂移，而不是适配器在无外力时乱改局部动作。这符合模块化设计的目标：让适配器在无接触时尽量透明，让代价集中在有明确用途的力鲁棒底层。

k=100 与 k=300 的无外力结果几乎相同，也支持同一结论。如果适配器错误地把机器人自身运动当成外力，两种刚度很可能产生不同幅度的参考偏置，进而让跟踪误差随刚度明显变化。实际差异很小，说明历史本体感觉、辅助力预测和零残差正则共同帮助它区分“自己正在挥手”和“手被外力拉动”。不过，这项对比只覆盖无外力仿真，不能证明真实接触中的误判率同样低。

5.3 动态舞蹈撞墙：低刚度是否真正降低接触力

为了验证柔顺不只适用于慢慢站立，作者让 G1 在刚性墙旁执行同一段动态舞蹈，比较 C-GMT、SONIC 和 TWIST2，C-GMT 使用 k=60 N/m。Fig. 4 记录手与墙的接触力，并展示碰撞后的机器人位置。C-GMT 产生最小的交互力，SONIC 会把自己从墙上推开，TWIST2 的大冲击力甚至能把机器人推得更远。

图 3：论文 Fig. 4，动态舞蹈动作靠近刚墙时的接触力与碰撞后快照。C-GMT 选择屈服并继续跟随动作，而非用位置反馈硬抗墙面。

这条实验比单纯测手部静位移更接近真实风险：动态动作带有惯量，接触力在短时间可达很高峰值，而且机器人一旦被墙弹开，后续动作会改变重心和接触关系。C-GMT 的优势不仅是峰值更低，还在于它把接触扰动限制在较小范围内，使机器人继续执行动作；TWIST2 的高冲击会让机器人离开原位，即使力曲线很快结束，任务状态也已被破坏。

作者还把同一舞蹈放到真机上，分别让机器人靠近墙和被真人拉动，观察到相似的屈服与衰减效果，并在 Fig. 7 展示开门、擦白板、拖椅和持球等接触任务。这些任务共同说明，真实接触的关键不是让轨迹绝对准确，而是让机器人能吸收操作者、物体和参考模型之间的误差，再保持任务方向。

5.4 全身柔顺与上半身柔顺的差异

Fig. 6 给站立机器人手部逐步增加向下力，比较 C-GMT、SoftMimic 和 GentleHumanoid。C-GMT 与 SoftMimic 都会屈膝、降低骨盆并让躯干参与，使手臂、腰和腿一起承担载荷；GentleHumanoid 的柔顺主要集中在上半身，腿基本保持直立，因此外力很大时最终摔倒。这组实验支撑论文的中心论点：真正提高持续外力鲁棒性的，不只是手变软，而是让支撑结构也进入柔顺姿态。

图 4：论文 Fig. 6，向下拉动时 C-GMT 与 SoftMimic 通过屈膝分散载荷，而仅上肢柔顺的 GentleHumanoid 最终失衡。

这一点对控制器设计有直接含义。仅把机械臂设为低刚度，会把外力全部传到肩、腰和脚底，机器人虽然看起来“手臂很软”，却在支撑链上仍然刚性。C-GMT 通过 IK 参考让质心和脚部目标一起调整，底层 GMT 再维持动态平衡，于是柔顺行为具有身体尺度上的一致性。代价是动作可能明显偏离原始姿态，尤其在大外力下；因此刚度指令实际上也是在“安全屈服”和“姿态保真”之间选择工作点。

5.5 遥操作与 VLA：底层柔顺能否改善上层任务

论文将 C-GMT 接到 PICO 4 Ultra 全身遥操作和 GR00T N1.7-3B VLA 上。在真实接触任务中，操作者看不到也无法准确建模门、白板和椅子的动力学；如果底层控制器把每个参考误差都当成必须消除的位置误差，操作者会持续与机器人“较劲”。C-GMT 允许操作者在接触时略微改变参考，再由全身姿态吸收剩余误差，因此更容易完成刮擦、拉门和拖动物体。

VLA 实验使用程序化演示训练两个独立的“走到桌子并抬箱”策略，一个底层为 SONIC，另一个为 C-GMT，训练过程相同且不包含外力扰动。每组条件进行 50 次同初始状态试验。无扰动时两者成功率接近，分别为 48/50 和 49/50；加入外力后差距扩大。

扰动条件	SONIC 底层	C-GMT 底层（k=300）
无扰动	48/50	49/50
靠近桌子时施加 20 N 拉力	34/50	44/50
靠近桌子时施加 40 N 拉力	30/50	41/50
行走早期施加 60 N 拉力	28/50	46/50

60 N 条件下，C-GMT 的成功率为 92%，SONIC 为 56%。Fig. 8 展示了代表性过程：外力作用于右手 1.5 秒时，SONIC 被拉向桌子并撞到箱子，箱子位置改变后高层策略无法恢复；C-GMT 先屈从外力，保持接近任务路线，力消失后再继续走到桌边并成功抓取。这里的因果关系比较清楚：底层没有重新训练 VLA，也没有把扰动标签送入高层，改善来自参考动作在受力期间的暂时调整。

图 5：论文 Fig. 8，VLA 行走时遇到 60 N 拉力。C-GMT 的全身屈服使机器人保持在任务附近，移除扰动后可以完成抓取。

不过，Table III 的扰动位置和持续时间并不完全统一：20 N 和 40 N 在靠近桌子时施加，60 N 在行走早期施加。这个设计更像多场景鲁棒性展示，而不是严格的同一条件剂量响应曲线。读者不能仅凭三行数据计算出完整的安全边界；它能说明柔顺底层在若干扰动场景降低了上层失败率，但不能替代系统性的接触力与任务成功率扫描。

六、可行性采样与训练效率

论文最终给了两个训练层面的结果。第一，教师扫描 4096 条参考动作、8 个外力方向和多个刚度，过滤了明显不可行的力组合。第二，在站立动作上比较基于可行性的采样与均匀采样，前者把训练期间的跌倒步比例从 5.4% 降到 0.4%，约减少 13 倍；在 6k 次更新内，顺应性达到 95% 以上，而均匀采样约停在 74%。这说明“先验证参考是否可行，再训练适配器”不仅改善了安全解释，也显著提高了样本效率。

这项消融也暴露了 C-GMT 的训练成本结构。底层力鲁棒 GMT 需要 3 张 H200 训练约 5 天，适配器需要 4 张 H100 约 2 天。虽然适配器本身轻量，但得到可靠的力特权教师、完成大规模可行性扫描以及训练底层鲁棒性仍然昂贵。C-GMT 的“模块化”降低了在线策略的复杂度，并没有消除数据、仿真和算力门槛。

七、局限性与适用边界

作者自述的第一项局限是柔顺响应目前主要覆盖手部或末端受力，未来希望扩展到机器人任意连杆。这意味着如果机器人胸、肘或膝盖撞到环境，适配器未必有对应的力学与参考生成模型，不能把当前结果直接外推成任意身体接触。

作者自述的第二项局限是刚度仍由人给出，未来希望由上层策略根据上下文自动选择。k 值不是从接触力学出来的闭环阻抗，如果物体很软、很硬或表面摩擦变化，固定的指令刚度可能需要人工重新调参。论文的遥操作和 VLA 实验展示了柔顺对误差的帮助，但还没有给出一个能自动判断“当前应该软还是硬”的通用机制。

此外，适配器只使用本体感觉，真实外力没有直接观测。辅助力预测头可以把接触信息隐式编码，但在风阻、工具碰撞、绳索拉动和多人协作等复杂场景中，仅凭本体感觉可能存在不可辨识性：同样一组关节历史可能对应不同的外力方向。论文没有报告力估计误差与控制性能的关系，这会影响系统在安全关键场合的认证。

训练和评价边界也值得注意。底层在 BONES-SEED 上训练，柔顺跟踪主要用 LAFAN1 动作评估；外部扰动在仿真中按方向、幅值和刚度采样，最大 140 N，真实实验的样本规模较小。结果说明方法在这些范围内有效，但没有证明跨机器人型号、不同鞋底摩擦、不同负载质量或长期运行时的稳定性。底层在无载荷时全局误差有所增加，也提醒我们柔顺能力并非完全没有追踪代价。

八、讨论：这篇工作真正改变了什么

C-GMT 最重要的概念贡献是“参考自适应”而不是“动作策略变软”。在传统方法里，柔顺通常是低层反馈控制的属性，需要对整个策略重新训练；在 C-GMT 中，柔顺是参考轨迹在进入跟踪器之前发生的变化。教师可以用物理规则验证，底层跟踪器可以独立提升负载鲁棒性，适配器可以用本体感觉蒸馏。三个模块分别有清晰的输入输出、评价指标和失效条件，这让工程调试比一个端到端黑箱策略更可行。

第二，论文把身体尺度的交互纳入了动作追踪。只让手腕顺从可以降低局部接触力，但外力仍沿着肩、腰和腿传递。C-GMT 的 IK 教师优先保证手的目标位移，同时改变脚和质心目标，底层 GMT 再做平衡。这种全身响应在持续下压和动态撞墙时都有直接价值，也为以后把接触扩展到其他连杆提供了可复用的教师形式。

第三，结果对上层机器人学习有现实意义。VLA 和遥操作不需要识别外力、也不需要重新训练，就能从底层柔顺中获益。上层模型常因感知延迟、物体状态估计误差和规划不精确产生错误参考；底层如果把这些错误当作硬约束，执行器会把小误差放大成碰撞。C-GMT 让底层充当机械意义上的容错层，这与把人形机器人当作可接触工具而非刚性轨迹播放器的方向一致。

但这条路还不等于通用物理交互。现在的适配器主要学习教师给出的弹簧响应，行为的上限受教师和刚度定义限制；如果任务需要主动施力、阻抗匹配或利用接触推动物体，仅靠被动力屈服不够。未来的关键问题包括：怎样在接触发生时在线估计物体刚度，怎样让参考播放暂停与动作相位协调，怎样在全身多接触下定义稳定的优先级，以及怎样把安全约束从仿真扫描带到一个可验证的运行时监控器。

九、结论

C-GMT 提出了一个清晰的两层方案：先用负载扰动把预训练通用运动追踪器变成力鲁棒执行器，再用力特权教师和弹簧-IK 规则生成柔顺参考，最后把教师知识蒸馏进仅依赖本体感觉的残差适配器。它在仿真和 Unitree G1 真机上展示了可调刚度、动态接触降力、全身屈服、接触丰富遥操作和 VLA 抗扰能力。相比直接端到端训练，这种分解更容易验证每个部件，也比单一动作的柔顺策略更有通用性。

论文的实验结果支持“通用运动追踪与全身柔顺可以同时获得”的判断，但准确的适用范围应限定在已训练的刚度、载荷和动作分布内。下一步若要进入真实人机协作，除了继续增加动作和接触数据，还需要把力估计、接触检测、任务级刚度选择和运行时安全约束做成可审计的系统。