بیشتر خبرهای ربات‌های انسان‌نما درباره «مغز» ربات است: مدل‌های بزرگی که صحنه و دستور را می‌فهمند. خبرهای بسیار کمتری درباره لایه زیرین منتشر می‌شود؛ کنترل‌گری که ربات را هنگام راه رفتن، بلند کردن بار، خم شدن و ضربه خوردن سرپا نگه می‌دارد. مهر و آبان ۱۴۰۵ (اکتبر ۲۰۲۶) برای همین لایه ماه پرباری در arXiv بود. پژوهشگران روش‌های تازه‌ای برای کنترل تمام‌بدن ربات انسان‌نما (Humanoid Whole-Body Control) منتشر کردند: آموزش ردیاب حرکت روی یک GPU در چند ساعت، حمل بار چسبیده به سینه، گرفتن جعبه‌ای که از پنج متری پرتاب می‌شود و هدایت شیوه برخاستن ربات پس از زمین خوردن. تقریباً همه این روش‌ها روی یک ربات تجاری واحد، Unitree G1، آزموده شده‌اند.
در این مقاله توضیح می‌دهم کنترل تمام‌بدن چیست، گزارش واقعی پنج مقاله از این موج را خلاصه می‌کنم و می‌گویم من به‌عنوان مدیر ارشد فناوری این نوع پژوهش را چطور می‌خوانم.
کنترل تمام‌بدن ربات انسان‌نما چیست و چرا گلوگاه است
ربات انسان‌نما ده‌ها مفصل دارد که باید هماهنگ حرکت کنند. راه رفتن، دست دراز کردن و حمل بار سه مسئله جدا نیستند: وقتی دست‌ها وزنه‌ای را نگه می‌دارند، مرکز جرم ربات جابه‌جا می‌شود و پاها باید آن را جبران کنند. کنترل‌گر تمام‌بدن (WBC) سیاستی است که یک فرمان فشرده (با این سرعت راه برو، بالاتنه را در این ارتفاع نگه دار، دست‌ها را اینجا بگذار) را به فرمان مفصل‌ها تبدیل می‌کند و ربات را متعادل نگه می‌دارد.
مقاله HULK معماری‌ای را توصیف می‌کند که این حوزه به آن رسیده است: یک WBC یادگرفته در پایین قرار می‌گیرد و برنامه‌ریزها، رابط‌های کنترل از راه دور یا خط لوله‌های ایجنتی در بالای آن فرمان می‌دهند، «بی‌آنکه خودشان درباره تعادل استدلال کنند» و WBC را «سیستم صفر» سطح پایین در نظر می‌گیرند. نویسندگان می‌گویند یادگیری تقویتی موازی گسترده در شبیه‌سازی این لایه را به اندازه کافی قابل‌اتکا کرده است؛ پیشرفت در چابکی و ادراک سریع بوده، اما تعامل همراه با نیروی زیاد کمتر بررسی شده است.
برای هر کسی که ربات انسان‌نما را ارزیابی می‌کند، این نکته مهم است. رباتی که زیر بار واقعی و در برابر رویدادهای غیرمنتظره تعادلش را حفظ نکند، هر قدر هم مدل زبانی‌اش توانا باشد، کار مفیدی انجام نمی‌دهد.
پنج مقاله اکتبر ۲۰۲۶ درباره کنترل تمام‌بدن ربات انسان‌نما
۱. SuperMimic: ردیابی حرکت با یک GPU به جای ۱۲۸
روش غالب برای یاد دادن حرکت متنوع و طبیعی به ربات انسان‌نما، ردیابی مجموعه‌داده‌های بزرگ حرکت انسان است. به گفته مقاله SuperMimic که پیتر ابیل و کوشیل سریناث از جمله نویسندگان آن هستند (پذیرفته‌شده به‌صورت ارائه شفاهی در CoRL 2026)، این کار پرهزینه بوده است: یا متخصص‌های جداگانه هر حرکت با تقطیر پراتلاف ادغام می‌شوند یا یک سیاست واحد با توان محاسباتی در مقیاس خوشه آموزش می‌بیند.
SuperMimic به جای آن یک مدل جهان مشتق‌پذیر از دینامیک مشترک حرکت‌ها می‌سازد و آن را همراه با سیاست ردیابی آموزش می‌دهد. نتایج گزارش‌شده چشمگیر است: در ۳ ساعت روی یک GPU از بازده یک روش پیشرفته که ۷ روز روی ۱۲۸ GPU آموزش دیده جلو می‌زند و ساعت-GPU را بیش از ۱۰۰۰ برابر کاهش می‌دهد. از ۱۲۹٬۵۱۴ حرکت محک فقط در ۲۵ مورد شکست می‌خورد، در برابر ۱۷۹ شکست روش پایه، و پس از ۹٫۸ ساعت روی دو GPU به صفر شکست می‌رسد. این سیاست روی ربات واقعی Unitree G1 در حرکت‌های متنوع و آکروباتیک منتقل شده است.
۲. HULK: حمل بار سنگین با تمام بدن
HULK، از دانشگاه میشیگان، UCLA، کلتک و آمازون، سراغ چیزی می‌رود که نویسندگان آن را جابه‌جایی و دست‌کاری همراه با نیرو می‌نامند: بلند کردن، هل دادن و حمل اجسام سنگین، از جمله چسبیده به بالاتنه. این روش از کنترل پیش‌بین مدل (MPC) برای هدایت یادگیری تقویتی استفاده می‌کند، دو «معلم» آموزش می‌دهد (یکی برای مقاومت در برابر نیرو در مچ‌ها و دیگری برای راه رفتن در حالی که جسم بزرگی را به بدن چسبانده)، در زمان آموزش یک تابع مانع مبتنی بر نقطه گیر (capture point) برای بهبود تعادل اضافه می‌کند و هر دو را در یک سیاست واحد تقطیر می‌کند.
روی ربات واقعی Unitree G1، سیاست نهایی ۵ از ۶ آزمون هل دادن و کشیدن گاری با بار مشترک ۱۵۰ کیلوگرم را کامل کرد، در برابر ۳ از ۶ برای بهترین روش پایه، و در آزمونی جداگانه تا ۳۰۰ کیلوگرم را کشید. در حمل یک یخچال کوچک جلوی سینه و یک قوطی در کنار بدن ۴ از ۴ آزمون موفق بود، در حالی که روش‌های پایه حداکثر ۲ از ۴ و ۰ از ۴ موفق شدند. در شبیه‌سازی، معلمِ نیروی مچ ضربه‌های تا ۱۳۰ نیوتنی به بالاتنه را تحمل کرد. نویسندگان صریحاً محدودیت‌ها را می‌گویند: گرفتن جسم، جابه‌جا کردن نقطه گرفتن و تغییرات سریع تماس هنوز خارج از دامنه نشان‌داده‌شده است و تابع مانع زمان آموزش هیچ تضمین ایمنی در زمان اجرا نمی‌دهد.
۳. Reflex: واکنش به جعبه پرتاب‌شده با دید خودمحور
Reflex، از دانشگاه واشنگتن، استنفورد و همکاران، مهارتی به ظاهر ساده اما انسانی را بررسی می‌کند: گرفتن جعبه پرتاب‌شده با تمام بدن و فقط با دوربین RGB-D خود ربات. این روش در سه مرحله یاد می‌گیرد: گرفتن تمام‌بدن بر اساس وضعیت، سپس استنتاج دینامیک جعبه از مشاهدات تأخیردار و ناقص، و در نهایت بازیابی همین بازنمایی مستقیماً از تصویر در حالی که کنترل‌گر ثابت می‌ماند.
در شبیه‌سازی Reflex با تصویر RGB-D خودمحور به ۸۵٫۷ درصد موفقیت در گرفتن می‌رسد، نزدیک به ۸۷٫۹ درصد در حالت دسترسی به داده ممتاز جعبه؛ حذف تاریخچه زمانی تصویر موفقیت را ۳۵٫۶ و ۳۹٫۸ واحد درصد کاهش می‌دهد. روی Unitree G1 واقعی، جعبه‌هایی را که انسان پرتاب می‌کند در فاصله ۲٫۵ متر ۶۵ درصد و در ۵ متر ۴۰ درصد مواقع می‌گیرد؛ به گفته نویسندگان یعنی ۷۶ و ۵۹ درصد موفقیت انسان‌ها در همان فاصله‌ها.
۴. RISE: انتخاب شیوه برخاستن پس از زمین خوردن
در استقرار واقعی، زمین خوردن اتفاق می‌افتد. RISE، از دانشگاه میشیگان، از این مشاهده شروع می‌کند که از یک وضعیت افتاده می‌توان به چند شکل برخاست، با مسیرها و جهت‌های نهایی متفاوت. این روش واژگانی از حرکت‌های برخاستن و یک برنامه‌ریز انتشاری (diffusion) بصری یاد می‌گیرد که پیش‌بینی‌هایش را می‌توان در زمان اجرا، بدون آموزش دوباره، به سمت جهت، سرعت برخاستن یا مسیر دلخواه هدایت کرد. نویسندگان برخاستن‌های متنوع و سازگاری با زمین را در شبیه‌سازی نشان می‌دهند و نمایش‌هایی هم روی Unitree G1 واقعی ارائه می‌کنند.
۵. SP-HLM: رابطی تمیزتر میان «چه» و «چطور»
SP-HLM، از دانشگاه جیائوتونگ شانگهای، Moore Threads و دانشگاه هنگ‌کنگ، بر رابط میان سیاست سطح بالا و کنترل تمام‌بدن تمرکز دارد. به جای فرمان دادن به تک‌تک مفصل‌ها، مدل سطح بالا فقط پنج وضعیت کلیدی (لگن، دو مچ دست و دو مچ پا) را مشخص می‌کند؛ یک مولد حرکت سریع، حرکت هماهنگ تمام‌بدن را می‌سازد و یک ردیاب آن را اجرا می‌کند. نویسندگان ۵۲٫۷۵ درصد موفقیت کلی در هشت وظیفه شبیه‌سازی‌شده گزارش می‌کنند که از روش‌های پایه مبتنی بر توکن و فضای مفصل بالاتر است، و روی Unitree G1 واقعی ۱۳ از ۲۰ در جای‌گذاری اشیا و ۵ از ۲۰ در باز کردن کابینت موفق بوده‌اند. تحلیل شکست‌ها آموزنده است: وظایفی که به قرار دادن دقیق دست یا پا هنگام تعادل روی یک پا نیاز دارند، سخت‌ترین بودند.
این نتایج به مدیر فناوری چه می‌گویند
وقتی این مقاله‌ها را کنار هم می‌خوانم، چهار نشانه می‌بینم.
- هزینه آموزش به‌سرعت پایین می‌آید. اگر نتایج SuperMimic تأیید شود، ردیابی حرکت مقاوم دیگر پروژه‌ای در مقیاس خوشه نیست. آزمایش ارزان‌تر یعنی تکرار سریع‌تر برای آزمایشگاه‌ها و در نهایت برای فروشندگانی که ربات را برای کاری خاص تنظیم می‌کنند.
- یک سکوی مشترک و مقرون‌به‌صرفه پژوهش را شتاب می‌دهد. همه مقاله‌های بالا نتایج خود را روی Unitree G1 گزارش کرده‌اند. ربات مشترک مقایسه و بازتولید نتایج را آسان‌تر می‌کند؛ همان‌طور که محک‌های مشترک یادگیری ماشین را شتاب دادند.
- مرز پژوهش از حرکت به کار فیزیکی می‌رود. حمل ۷ کیلوگرم چسبیده به سینه، کشیدن گاری ۳۰۰ کیلوگرمی و گرفتن جعبه، گام‌هایی به سمت وظایف لجستیک و تولید هستند که نویسندگان HULK صریحاً نام می‌برند. با این حال این‌ها هنوز نتایج آزمایشگاهی با تعداد آزمون کم‌اند.
- عدد صادقانه از ویدیوی نمایشی مهم‌تر است. ۴۰ درصد موفقیت در گرفتن از ۵ متری یا ۵ از ۲۰ در باز کردن کابینت پیشرفت واقعی است و هم‌زمان پیامی روشن که قابلیت اطمینان هنوز صنعتی نیست. بهترین مقاله‌ها موارد شکست را منتشر می‌کنند؛ خریداران هم باید همین را از فروشندگان بخواهند.
چطور ادعاهای ربات انسان‌نما را ارزیابی کنیم
وقتی یک فروشنده یا تیم داخلی طرح آزمایشی ربات انسان‌نما پیشنهاد می‌دهد، از پژوهش‌های بالا به‌عنوان چک‌لیست استفاده می‌کنم:
- بپرسید کدام لایه نمایش داده می‌شود. نمایش درباره مدل سطح بالاست، کنترل‌گر تمام‌بدن یا کنترل از راه دور؟ هر کدام به شکل متفاوتی شکست می‌خورد.
- نرخ موفقیت بخواهید، نه کلیپ. چند آزمون، با چه باری، و چه چیزی شکست حساب می‌شود (زمین خوردن، افتادن جسم، توقف حفاظتی)؟
- اختلال و بار را بیازمایید. بازیابی پس از ضربه، حد بار و رفتار روی زمین ناهموار بیشتر از یک راه رفتن نرم درباره آمادگی ربات می‌گوید.
- درباره زمین خوردن و برخاستن بپرسید. ربات چطور می‌افتد، چطور بلند می‌شود و آیا اپراتور می‌تواند این رفتار را کنترل کند؟
- شبیه‌سازی را از سخت‌افزار جدا کنید. بسیاری از اعداد برجسته نتایج شبیه‌سازی‌اند؛ آزمون‌های سخت‌افزاری معمولاً کمتر و دشوارترند.
- برای نظارت برنامه‌ریزی کنید. حتی قوی‌ترین نتایج اکتبر جای شکست باقی می‌گذارند؛ پس طرح‌های آزمایشی به نظارت انسانی، محدوده‌های ایمنی و روال توقف روشن نیاز دارند.
در مقاله هوش مصنوعی فیزیکی در ۲۰۲۶ به مدل‌های بینایی-زبان-عمل پرداختم که نقش «مغز» ربات را دارند؛ این مقاله درباره لایه‌ای است که بدنِ آن مغز را سرپا نگه می‌دارد. و همان‌طور که در ایجنت‌های هوش مصنوعی در عمل گفتم، پرسش مفید این نیست که سیستم یک بار می‌تواند کاری را انجام دهد یا نه، بلکه این است که آیا آن را به‌طور قابل‌اتکا، قابل‌مشاهده و ایمن انجام می‌دهد.
سخن پایانی
اکتبر ۲۰۲۶ رباتی انسان‌نما که برای هر انباری آماده باشد تحویل نداد. چیزی شاید مهم‌تر تحویل داد: شواهدی که نشان می‌دهد لایه بنیادین ربات‌های انسان‌نما ارزان‌تر آموزش می‌بیند، زیر بار قوی‌تر می‌شود و در برابر رویدادهای غیرمنتظره بهتر واکنش نشان می‌دهد، با نتایجی که آن‌قدر باز منتشر شده که بتوان آن‌ها را بررسی کرد. موضع درست برای مدیران، صبر آگاهانه است: این پژوهش‌ها را دنبال کنید، بر قابلیت اطمینانِ اندازه‌گیری‌شده پافشاری کنید و طرح‌های آزمایشی را حول وظایفی طراحی کنید که اعداد امروز برایشان کافی است.
منابع
- SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model، Q. Liao و همکاران (از جمله P. Abbeel و K. Sreenath)، arXiv:2610.28480، ۲۸ مهر ۱۴۰۵
- HULK: Learning Whole-Body Forceful Loco-Manipulation for Humanoids، A. Dang و همکاران (دانشگاه میشیگان، UCLA، کلتک، آمازون)، arXiv:2610.08970، مهر ۱۴۰۵
- Reflex: Visually Grounded Reactive Humanoid Control، T. Jia، W. Huang و همکاران (دانشگاه واشنگتن، استنفورد و دیگران)، arXiv:2610.12772، مهر ۱۴۰۵
- Test-Time Motion Steering for Perceptive Humanoid Fall Recovery، O. Azulay، C.-L. Hsieh، S. X. Yu (دانشگاه میشیگان)، arXiv:2610.30061، اکتبر ۲۰۲۶
- SP-HLM: Sparse-Pose-Driven Motion Generation and Whole-Body Control for Humanoid Loco-Manipulation، Z. Yang، Q. Lin، C. Shi و همکاران (دانشگاه جیائوتونگ شانگهای، Moore Threads، دانشگاه هنگ‌کنگ)، arXiv:2610.30044، اکتبر ۲۰۲۶