#Unitree G1

arXiv 上这篇论文做安全强化学习，29 自由度人形机器人跑到 99.95% 安全率还保留 97% 回报，真机 Unitree G1 也验证了，做机器人方向可以看看。

CSF让运动生成器能理解场景安全规则，在保持90%正常动作的同时，几乎杜绝了危险动作。

机器人控制的延迟问题有新解法了，Rolling-WAM 把去噪拆到多个重规划周期里做，实测比标准方法快4.5倍，还在真实 Unitree G1 上跑通了。

把扩散模型控制策略跑进宇树 G1 实机：Jetson 上单帧不到 20ms，文本指定动作比基线更准

MIT团队发布TANGO模型，让Unitree G1人形机器人能零样本执行语言指令在杂乱环境中导航，无需真实世界训练数据。

Unitree G1 靠头戴相机躲球真有 95% 成功率，和上帝视角基线差距很小。对做机器人感知和安全的都挺有参考价值。

想让人形机器人自己学会拿东西？VLK用48,000条合成轨迹模拟真实场景，直接在Unitree G1上跑通了导航和运输，省掉人工标注的苦力。

CoorDex让人形机器人在行走时用灵巧手完成开冰箱、抓瓶子的连续操作，不再需要走走停停，和之前的笨拙模式完全不一样。

做足式机器人运动控制或强化学习的团队，RoboNaldo 的课程学习思路能直接借鉴——用单条参考动作引导复杂技能学习，解决了从仿真到真实部署的精度和速度难题，值得点开看方法细节。