外观
新闻IEEE Spectrum Robotics5 天前
Reflex框架与SuperMimic算法突破人形机器人全身反应控制与动捕训练瓶颈
本文由 AI 根据公开内容整理，可能有误，请以原文为准：Video Friday: Quadruped Robot Solves Giant Rubik’s Cube by Itself（IEEE Spectrum Robotics）
核心内容
ETH Zurich机器人系统实验室提出Reflex框架，通过紧凑物体动力学表征分三阶段学习视觉反应式全身控制，解决人形机器人在约1秒内对移动目标进行预判与反射响应的难题。同期Hybrid Robotics发布SuperMimic运动模仿算法，在单GPU上训练3小时即超越SOTA基线（128 GPUs训练7天）的回报值，将训练算力需求降低1000倍以上。
SuperMimic在129514个基准动作测试中仅失败25次，远优于基线的179次失败；双GPU运行9.8小时可实现零失败。此外KAIST Humanoid v0.9展示基于机载视觉反馈的全身移动操作能力，可推动35kg重物或举起20kg物体；Generative Bionics联合AMD宣布在欧洲建设最大物理AI数据工厂，为具身智能提供基础设施支撑。
关键看点
- Reflex框架：采用三阶段学习与紧凑动力学表征，实现人形机器人秒级视觉反应式全身控制
- SuperMimic效率：单GPU训练3小时超越128卡基线，算力成本降低千倍且基准失败数从179降至25
- KAIST整机能力：v0.9人形机器人基于机载视觉实现35kg推力与20kg举升的移动操作演示
- 数据基建布局：Generative Bionics携手AMD在欧洲建设最大物理AI数据工厂支撑模型训练
工程与产业观察
Reflex与SuperMimic分别从控制架构与训练效率两端破解具身智能落地瓶颈。前者验证了紧凑动力学表征在实时全身反应控制中的有效性，后者证明高质量运动模仿无需堆砌算力。结合欧洲物理AI数据工厂建设，表明行业正从单纯追求模型规模转向优化数据-算法-算力的系统性工程效能。
来源
本页事实对应的公开页面，以原文为准。