# 宇树 G1 公开实测档案

> 原文链接：https://robotics.hellobike.com/reviews/unitree-g1-public-results-compilation
> 频道：reviews | 更新日期：2026-10-22 | 标签：Unitree G1, 全身控制, 移动操作, 视觉反应, VLA, 仿真重放
> 核心摘要：这份档案汇总公开摘要、兼容矩阵与排障记录中涉及 Unitree G1 的实测或部署信息，覆盖全身控制、移动操作、视觉反应、仿真重放与模型生态，并仅采纳摘要可追溯数字。

# 宇树 G1 公开实测档案

> 本页汇编公开论文的真机实验结果与站内已验证记录，每个数字在页面下方的量化表中标注出处；不同论文的任务、策略与次数不同，不能直接横向相加。

## 材料范围与口径

本档案以用户提供的论文摘要、兼容矩阵和排障条目为边界；机型按基础版 23 DoF、EDU 可扩展口径理解。量化指标只录入摘要原文明确出现的数字，例如 [BeJEPA](https://arxiv.org/abs/2610.23127)、[Reflex](https://arxiv.org/abs/2610.12772) 等。

## 运动与控制相关结果

[BeJEPA](https://arxiv.org/abs/2610.23127) 在 20 秒运动跟踪中报告全局体位误差下降，并在 G1 真机展示姿态、世界位置、航向目标联合达成与扰动后闭环返回。[P-BFM](https://arxiv.org/abs/2610.15833) 强调机载深度感知下的零样本迁移，[Beyond Kinematic Tracking](https://arxiv.org/abs/2610.19393) 则关注表现性动作特征保持。

## 操作与策略相关结果

[KODA](https://arxiv.org/abs/2610.21152) 将人类第一视角 RGB 演示转成 G1 全身 VLA 训练数据，并报告未被机器人数据覆盖条件下的成功率提升。[KinoGen](https://arxiv.org/abs/2610.20552) 用运动学扎根视频生成移动操作参考；[PanTact](https://arxiv.org/abs/2610.12558) 展示无额外躯干接触传感器的全身接触操作。

## 感知与导航相关结果

[Reflex](https://arxiv.org/abs/2610.12772) 以第一视角 RGB-D 恢复运动箱体动力学，在 G1 真机完成接抛箱任务。[Traceable World State](https://arxiv.org/abs/2610.12033) 面向长任务状态溯源，在 NVIDIA Unitree G1 仿真轨迹上验证确定性重放、哈希链与故障注入检测。

## 兼容与排障记录

兼容矩阵覆盖 sac-unitree-g1-mujoco、GR00T-N1.6-G1-PnPAppleToPlate、π0 (openpi)、GR00T-N1.6-3B、UnifoLM-VLA-Base 等。排障重点包括 [G1 SONIC 遥操作出现 robot data late 和延迟累积](/pitfalls/2026-08-27-isaac-gr00t-759)、[G1策略在Isaac Sim中关节顺序不一致](/pitfalls/2026-08-03-unitree-rl-gym-94)。

## 怎么用这些数字

这些数字应作为复现实验的锚点，而非跨论文直接排名：同一 G1 结果可能来自仿真、真机、不同控制器或不同视觉输入。选型时先区分运动跟踪、移动操作、接触操作和状态重放，再核对 SDK、关节顺序、网络链路与传感器带宽。

## 材料清单

- [BeJEPA：通过无监督RL实现的目标条件人形行为世界模型](https://arxiv.org/abs/2610.23127)（arXiv 2610.23127）
- [CoEvolve：用于人形机器人的从技能到策略的自进化代码策略](https://arxiv.org/abs/2610.23288)（arXiv 2610.23288）
- [KODA：用于人形机器人从人类第一视角演示中学习的运动学-观测数据对齐](https://arxiv.org/abs/2610.21152)（arXiv 2610.21152）
- [TRACE：用于人形运动扩散的类型化参考感知对话式编辑](https://arxiv.org/abs/2610.21515)（arXiv 2610.21515）
- [KinoGen：通过运动学扎根的视频生成实现可定制的人形机器人移动操作参考](https://arxiv.org/abs/2610.20552)（arXiv 2610.20552）
- [超越运动学跟踪：在人形机器人全身控制中保留表现性特征](https://arxiv.org/abs/2610.19393)（arXiv 2610.19393）
- [使用 Diffusion 建模与理解人形机器人策略的神经网络权重](https://arxiv.org/abs/2610.20606)（arXiv 2610.20606）
- [TRACE：面向跨类人机器人本体的神经全身控制高效迁移学习](https://arxiv.org/abs/2610.17999)（arXiv 2610.17999）
- [P-BFM：通过无监督强化学习实现人形机器人控制的感知式行为基础模型](https://arxiv.org/abs/2610.15833)（arXiv 2610.15833）
- [PanTact：用可穿戴接触界面教授全身灵巧性](https://arxiv.org/abs/2610.12558)（arXiv 2610.12558）
- [Traceable World State：面向机器人系统的溯源感知状态表示与确定性重放框架](https://arxiv.org/abs/2610.12033)（arXiv 2610.12033）
- [Reflex：视觉扎根的反应式人形机器人控制](https://arxiv.org/abs/2610.12772)（arXiv 2610.12772）

## 原始参考来源 (Sources)

- [arXiv 2610.23127：BeJEPA：通过无监督RL实现的目标条件人形行为世界模型](https://arxiv.org/abs/2610.23127)
- [arXiv 2610.23288：CoEvolve：用于人形机器人的从技能到策略的自进化代码策略](https://arxiv.org/abs/2610.23288)
- [arXiv 2610.21152：KODA：用于人形机器人从人类第一视角演示中学习的运动学-观测数据对齐](https://arxiv.org/abs/2610.21152)
- [arXiv 2610.21515：TRACE：用于人形运动扩散的类型化参考感知对话式编辑](https://arxiv.org/abs/2610.21515)
- [arXiv 2610.20552：KinoGen：通过运动学扎根的视频生成实现可定制的人形机器人移动操作参考](https://arxiv.org/abs/2610.20552)
- [arXiv 2610.19393：超越运动学跟踪：在人形机器人全身控制中保留表现性特征](https://arxiv.org/abs/2610.19393)
- [arXiv 2610.20606：使用 Diffusion 建模与理解人形机器人策略的神经网络权重](https://arxiv.org/abs/2610.20606)
- [arXiv 2610.17999：TRACE：面向跨类人机器人本体的神经全身控制高效迁移学习](https://arxiv.org/abs/2610.17999)
- [arXiv 2610.15833：P-BFM：通过无监督强化学习实现人形机器人控制的感知式行为基础模型](https://arxiv.org/abs/2610.15833)
- [arXiv 2610.12558：PanTact：用可穿戴接触界面教授全身灵巧性](https://arxiv.org/abs/2610.12558)