文章核心观点 - TWIST2系统通过融合低成本VR设备和可拆装颈部模块，实现了便携、可扩展且具备全身控制能力的人形机器人遥操作与数据采集方案，打破了传统动捕设备的高成本和部署复杂性壁垒 [3][7][37] 技术方案对比与创新 - 传统人形机器人遥操作系统存在两难：依赖专业动捕实验室实现全身控制但无法便携部署，或追求便携性但只能实现局部身体控制 [4] - TWIST2创新性地结合"无动捕+全身控制"，在便携性、可扩展性和全身控制方面均优于HOMIE、AMO、CLONE、TWIST等现有系统 [5][7] - 系统硬件成本仅约1000美元（VR设备+腿部追踪器），部署时间仅需1分钟，能以100Hz频率实时捕捉人体全身动作 [14][17] 核心组件设计 - 低成本可拆装颈部模块（TWIST2 Neck）成本仅250美元，提供2自由度（俯仰+偏航），可直接加装Unitree G1机器人，搭配400美元Zed Mini立体相机实现第一视角自主观察 [9][16] - 颈部模块配备MuJoCo仿真模型，方便研究者在虚拟环境中快速验证算法 [10] - 采用PICO 4U VR设备+2个腿部运动追踪器组合，无需第三方摄像头，灵活性更强 [14][17] 动作重定向优化 - 优化基于GMR的动作重定向算法，针对VR动捕特点改进：下半身同时优化位置和旋转约束减少脚部滑动，上半身仅优化旋转约束避免动作失真，手部将人类五指动作简化为"开合"控制适配三指手 [18][20] - 通过计算人类头部与脊柱相对旋转映射为机器人颈部角度，实现视觉跟随 [21] 数据采集效率 - 系统支持单人操作，操作员可通过PICO手柄独立控制任务启动、暂停、终止，暂停时自动插值过渡动作保障安全 [22] - 数据流频率高于50Hz，总延迟低于0.1秒（优于前代TWIST的0.5秒），操作员通过头显接收机器人第一视角立体画面 [24] - 实验显示熟练操作员20分钟内可完成98次双手抓取放置任务（成功率100%，平均每次11秒）或46次移动抓取任务（成功率100%，平均每次25秒） [25][28] 自主控制能力 - 提出分层视觉运动策略框架：底层控制器基于强化学习训练通用运动追踪器，高层控制器基于扩散模型直接预测未来2秒全身动作指令 [26] - 机器人成功自主完成全身灵巧抓取放置任务（54次尝试中49次成功到达目标位置，33次完整完成动作）和T型箱踢击任务（7次尝试中6次成功） [32][35] - 这是首个基于视觉实现人形机器人全身自主控制的框架，无需简化速度指令，直接实现关节级精准控制 [36] 系统价值与影响 - 整套系统硬件成本约1650美元（VR设备+颈部+相机），大幅降低人形机器人研究门槛 [37] - 团队已制造3个TWIST2颈部模块并开源系统、数据和模型，有望成为人形机器人研究的"基础设施" [39] - 开源方案可让研究者聚焦算法创新而非设备搭建，加速人形机器人通用化进程 [39]