点击下方 卡片 ，关注" 具身智能 之心 "公众号 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 现有方法的不足 人形机器人需要精确的移动能力和灵巧的操作技能来完成具有挑战性的移动-操作任务。然而，现有的模块化或端到端方法在"操作感知型移动"方面存在不足。无法 通过规划和执行移动来主动创造操作所需的前提条件（如接近目标、调整姿态、保持稳定），而是将移动和操作视为独立阶段。 ★ 这使得机器人被限制在有限的工作空间内，难以完成大范围移动-操作任务。 ★ 核心挑战在于"操作感知型移动"：规划和执行能够主动创造操作前提条件（接近、定向、稳定）的移动，而非将移动和操作视为独立阶段。 一种朴素的解决方案是通过高层规划器序列化移动和操作，在不同技能间切换（如导航与抓取）。然而，有限的闭环反馈和缺乏端到端联合优化可能导致误差累 积，使机器人处于不利于后续操作的次优状态。另一种有前景的方案是端到端框架，直接执行全身控制以缓解模块化pipeline的切换问题，但通 ...

据介绍，WholeBodyVLA通过从人类第一视角视频中学习移动与操作的潜在动作表示，以降低对昂贵机 器人遥操作数据的依赖。同时，研究团队设计了一种面向移动操作的强化学习控制器，通过简化控制目 标来提升运动执行的稳定性。 实验验证显示，该框架使机器人能在不同起始位置走向目标并完成操作，并对场景和物体表现出一部分 泛化能力，在干扰地形上也能保持基本的移动方向与平衡。研究团队表示，该工作为将视觉-语言-动作 （VLA）范式扩展至双足人形机器人全身控制提供了可行路径。 凤凰网科技讯 12月17日，让人形机器人能够像人一样完成装箱、搬运、推车等移动操作任务，一直是 人们对具身智能的期待。近日，来自香港大学、智元AGIBOT、复旦大学和上海创智学院的联合研究团 队提出了WholeBodyVLA，一种面向真实世界的人形机器人全身 Vision–Language–Action框架。该工作 基于智元灵犀X2研究发布，将VLA扩展至双足人形机器人的全身控制，验证了其在全身loco- manipulation任务中的可行性。 与原地操作相比，loco-manipulation的难点不在于单一技能，而在于行走与操作必须在同一任务中 ...