loco

general · First seen 2026-06-15 · Last seen 2026-10-23 · 6 mentions

Overview

Loco(locomotion,运动/移动控制)是机器人学中指机器人如何行走、奔跑、跨越障碍等整体移动能力的核心技术方向,在人形机器人和四足机器人领域处于从实验室走向产业落地的关键阶段。近年来,随着强化学习、模拟到真实(sim-to-real)迁移和全身控制框架的成熟,loco 研究正从单纯“走得稳”向“边移动边操作”的全身协调能力演进。

Loco 技术近期进展

  • Workhorse: Learning Robust Whole-Body Humanoid Locomotion:这项工作聚焦人形机器人全身移动的鲁棒性,通过学习方法让机器人在复杂地形和扰动下保持稳定行走,代表了当前 loco 研究从步态生成向抗干扰能力倾斜的趋势。
  • SP-HLM:稀疏位姿驱动的人形机器人全身运动控制框架:该框架用稀疏位姿信号驱动全身运动控制,降低了全身协调对密集标注的依赖,为人形机器人 loco 与上肢操作的融合提供了更轻量的方案。
  • WholeBodyMem 为人形机器人引入记忆机制,突破 VLA 策略只看当下的局限:这项研究给视觉-语言-动作(VLA)策略加入记忆模块,弥补“只看当下”的短板。对 loco 任务而言,这意味着机器人在移动中可参考历史状态,对长程导航与连续动作更友好。
  • 当前焦点与观察点

    目前 loco 领域的讨论主要围绕三条线展开。其一,locomotion 与 manipulation 的边界正在模糊:业界普遍认为人形机器人的价值在于“边走边干”,因此全身控制框架(如 SP-HLM 一类)成为热点,纯步态控制的研究热度相对下降。

    其二,VLA 大模型与运动控制的结合方式仍有争议:一种路线是端到端大模型直接输出动作,另一种是分层架构——上层规划、下层用成熟的 loco 控制器执行。WholeBodyMem 引入记忆机制的做法,正是对端到端路线缺陷的修补,但记忆带来的计算开销和实时性矛盾尚未有定论。

    其三,产业化节奏加快。英伟达已在华启动机器人人才招聘,聚焦具身智能等四大方向,表明算力与平台厂商正把移动操作能力视为下一代机器人的竞争焦点。对关注该领域的读者来说,值得持续观察的指标包括:sim-to-real 迁移的成功率、复杂地形的通过率,以及全身策略在真实产品中的部署成本。总体而言,loco 技术正处在从演示性突破走向可复现、可量产能力的过渡期,学术界与产业界的合力将是接下来一年最重要的变量。

    Coverage

    7 on file