ZEST: Zero-shot Embodied Skill Transfer for Athletic Robot Control
ZEST 是一个精简的强化学习框架，它通过在包括动作捕捉、单目视频和动画在内的异构数据源上进行训练，且无需接触标签、状态估计器或大量的奖励塑造，使得在异构的人形机器人和四足机器人上实现多样化、富接触类运动技能的鲁棒零样本部署成为可能。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你想教一个机器人跳舞、做后空翻或者爬上一个箱子。传统做法就像是教一个人如何玩杂耍，但你不是在教动作，而是在为每一个手指的微小移动编写一本 500 页的手册，然后花好几个月的时间不断微调这些指令，直到机器人不再摔倒。这种方式效率低下、极其脆弱，而且每学习一个新动作都需要编写一份全新的手册。
这篇论文介绍了 ZEST（零样本具身技能迁移），它就像是一个机器人的“通用舞蹈教练”。ZEST 不再是为每个动作编写手册，而是让机器人通过观察视频、人类动作捕捉记录，甚至是动画角色，来学会如何实现目标。
以下是其工作原理的拆解，采用了简单的概念：
1. “观察并学习”的方法
把 ZEST 想象成一个拥有超能力的机器人：它可以从任何视频源中学习。
- 高保真动作捕捉： 就像在舞台上看着专业舞者在完美摄像机的记录下起舞。
- 晃动的手机视频： 就像朋友在公园里用手机拍摄的舞蹈视频（视频可能会抖动或模糊）。
- 卡通/动画： 就像看着游戏角色做出人类身体物理上无法实现的动作（比如在空中进行 360 度旋转）。
ZEST 接收所有这些混乱、不同的来源，并表示：“好吧，我看到了目标。我会搞定物理规律。”它不需要人类精确地告诉它哪只脚踩在地面上，或者什么时候该蹬地。它会自主学会这些。
2. 会“消失”的辅助轮
教机器人做一些疯狂动作（比如后空翻）最难的部分之一是，它在练习过程中经常摔倒。通常，工程师必须手动设计一个“课程”（循序渐进的教学计划）来帮助机器人。
ZEST 使用了一个巧妙的技巧，叫做自动辅助扳手（Automatic Assistive Wrench）。想象一下一位体操教练扶着学生的腰来学习后空翻：
- 起初，教练紧紧抓着，以防止学生摔倒。
- 随着机器人动作越来越熟练，教练会逐渐放开手。
- 最终，教练完全放手，机器人独立完成空翻。
ZEST 自动完成了这个过程。它会计算动作的难度，给机器人一个虚拟的“推力”来帮助其保持平衡，并随着机器人变得越来越聪明，逐渐撤销这种帮助。不需要人类编写教学计划，机器人会创建自己的计划。
3. “万能型”大脑
大多数机器人控制器就像是为特定的人量身定制的西装。如果你改变了机器人的尺寸或形状，这件西装就不合身了。
ZEST 则像是一件具有弹性的神奇连帽衫。
- 它在大型重型机器人（波士顿动力 Atlas，约成年人大小）上进行了测试。
- 它在较小、较轻的机器人（Unitree G1）上进行了测试。
- 它甚至在四足狗机器人（Spot）上进行了测试。
同一个“大脑”（软件）学会了让巨大的类人机器人行走、让小个子人类跳舞，以及让机器狗做后空翻。它不需要针对每种机器人重新调优，它能够自动适应。
4. “零样本（Zero-Shot）”的魔力
“零样本”这个词是最令人兴奋的部分。通常，如果你想让机器人学习一个新技巧，你必须专门为这个技巧训练几天或几周。
有了 ZEST，一旦机器人完成了训练，你可以给它看一段新动作的视频（比如爬箱子），它就能立即完成，无需任何额外训练。这就像看一段别人爬梯子的视频，然后你立刻就能学会爬梯子，而不需要额外练习。
他们究竟取得了什么成就？
论文表明，该系统可以在真实硬件上运行，而不仅仅是在计算机模拟中。他们成功让机器人完成了：
- 复杂的动作： 霹雳舞、爬行、侧滚翻和前滚翻。
- 视频到机器人： 他们拍摄了一段人类跳舞或爬箱子的视频，输入给机器人，机器人就能完美复现。
- 不可能完成的动作： 他们利用动画技术教会了四足机器人 Spot 做连续后空翻——这是一个在没有这种特定训练的情况下，真实的狗（或机器人）无法自然完成的动作。
核心总结
ZEST 提供了一种将人类运动（无论是完美的舞蹈、晃动的手机视频还是卡通动画）转化为机器人技能的精简方式。它消除了工程师需要手动编程每一个细节的需求，使机器人变得更加敏捷、更具适应性，并能瞬间学习新技巧。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。