HUMAN DATA → RETARGETING · READING 01

GMR：先修好参考运动，再要求控制器跟上

Retargeting Matters: General Motion Retargeting for Humanoid Motion Tracking
Araújo, Ze, Xu, Wu & Liu · arXiv:2510.02252v1 · 2025-10-02 · 9 页 · 本次核读 2026-10-22

运动重定向两阶段 IK不是动力学保证

一句话核心洞见

人体动作换到 G1 后的穿地、自相交和关节跳变，会变成 RL 的互相冲突的学习目标。GMR 用分部位局部缩放 + 两阶段 IK改善参考；论文的关键贡献还在于固定 BeyondMimic 配方，观察重定向质量如何改变策略表现。

仿真

21 条 LAFAN1 运动、每条单独训练策略。平均全局位置误差：GMR 104.1 mm，PHC 247.8，ProtoMotions 139.7，Unitree 77.2。

扰动与 OOD

IsaacSim / sim-dr / MuJoCo-ROS；不是未见运动泛化。GMR Dance 5 在 sim2sim 只有 51%，并非全面胜出。

真机

这版论文未报告真机闭环成功率。sim2sim 的传感估计与时序更接近部署，但仍是仿真。

最强可支持结论

在单一 G1、本数据源、固定 tracker 配方下，参考质量显著影响鲁棒性；不能推出任意接触操作都可行。

证据：§III–V，Table I–III，pp.3–7。固定版本 · 官方代码快照 bb1bbe4 · PDF 哈希与图源

1. 为什么“交给 RL 修正”不总是成立？

从参考到控制的第一道边界

高层想要的是“同一种动作”，不是复刻人体坐标。先区分外形相似、关节可达、动力学可跟踪，才能判断误差发生在哪一层；这篇没有把三者视为同一件事。

人和机器人骨长、关节拓扑、活动范围、质量分布都不同。把人体姿态原样搬过去，好比把一个人的衣服尺寸直接当成另一个人的关节约束：局部看起来对，脚却可能进入地板。RL 同时收到“追参考”和“不要摔倒”的要求，只有妥协或失败。

论文五问 · §I–III
问题	回答
背景	全身 tracking 是遥操作和分层控制的基础，人类运动是可扩展参考来源。
直接依赖	PHC：SMPL 形状拟合 + 位置 IK；ProtoMotions：按世界轴缩放 + Mink；BeyondMimic：统一训练与评测 tracker。
具体失败	PHC Dance 1/2 穿地；ProtoMotions stop-and-go 跑步腿部自相交；GMR Dance 5 腰部突跳。
押注	先修参考，能在不逐动作调奖励的条件下改善可跟踪性。作者不是声称 reward engineering 永远无效。
效果与代价	开源方法中更低的平均 tracking error、更高保真偏好；仍需人工匹配、尺度/权重选择，且只做运动学优化。

PHC 穿地、ProtoMotions 腿部相交及 GMR 腰部角度突跳三类失败 — 论文原图 Figure 3 · p.7 · 300 DPI。第三例提醒：GMR 也会把优化跳变写进参考，权重不是一次调好就对所有动作有效。

2. 先处理坐标和尺度，别用权重掩盖几何错误

上一节的穿地从哪里来？

IK 只会逼近你提供的目标。如果目标本身被错误缩放，求解得再准也没有用。本节先确定目标，再讨论求解器。

GMR 五步：关键体匹配、静止姿态坐标对齐、局部尺度、第一阶段与第二阶段 IK — 论文原图 Figure 2 · p.4 · 400 DPI。先定义“应该跟哪里”，再求关节运动。

匹配关键刚体：为人体与机器人建立对应表。关键体原点不一定是你想象中的掌心或脚底。
静止姿态对齐：用旋转 offset 对齐局部轴，必要时加局部位置 offset。否则同一个四元数在两个骨架上可能代表不同朝向。
非均匀局部缩放：根位置统一缩放；各部位相对根的位置使用自己的比例，保留不同身段的适配自由度。
两阶段 IK：先摆好朝向和关键末端，再调全身位置。
序列处理：前一帧解作为下一帧初值，最后做整段最低高度校正；这不是接触动力学求解。

p_b^target = α s_b(p_b^human − p_root^human) + α s_rootp_root^humanpaper Eq.2–3，p.5。α = 人体实际高度 / 配置参考高度；位置为 R³，单位 m；s 为无量纲缩放。这里的“局部”是减去根平移，不应擅自理解为额外旋转到 pelvis-yaw 系。

解释性算例，非论文实验：α=1，根 x=1.0 m，手 x=1.5 m；根比例 0.9、手比例 0.75，目标手 x=0.75×0.5+0.9=1.275 m。若把世界坐标直接乘 0.75，则得到 1.125 m，连根的行走位移也被改了。

固定提交的 bvh_lafan1_to_g1.json：参考人体高度 1.8 m；Hips/腿 0.9、手臂/手 0.75。offset_human_data 先右乘局部旋转 offset，再用更新后的旋转把局部平移 offset 转到世界系；四元数是 scalar-first。

3. 权重、阻尼与约束，分别在管什么？

目标确定后，才轮到优化

身体通常无法同时满足所有目标。权重选择优先保谁，阻尼限制局部步幅，硬约束限定允许区域。它们不能互相替代，更不能代替正确的标定。

论文第一阶段主要对齐各关键体朝向与手脚位置，第二阶段再纳入全身位置目标并换一组权重。两阶段的直觉是先让链条朝对方向，再用位置微调减少局部极小值。每帧沿用上一帧解，但暖启动不等于显式速度连续性约束。

δq* = argmin_δq ‖e(q)+J(q)δq‖²_W + λ‖δq‖²
subject to q⁻ ≤ q ⊕ δq ≤ q⁺对论文 Eq.4–6 的局部最小二乘解释，加入阻尼项帮助读代码，不是逐字转写论文公式。e∈Rᵐ 是位置/旋转残差，J∈Rᵐˣⁿ 是 Jacobian，δq∈Rⁿ 是配置的切空间增量；浮动基用流形积分 ⊕，不能直接对四元数做普通加法。位置与旋转残差单位不同，W 同时承担尺度权衡。

无约束的线性小步解为 δq = −(JᵀWJ + λI)⁻¹JᵀWe。真实 GMR 调用 Mink 的速度 IK，并用 integrate_inplace(velocity, dt) 更新。论文提醒 Δt 是求解器参数，不一定等于视频帧间隔。

动手试：想把手前移，为什么全身保姿会“拉回来”？

教学模型仅有一个修正量 Δq。手目标要求 +0.2，保姿希望 0；把局部 Jacobian 归一化为 1。最小化 wₕ(Δq−0.2)² + 1·Δq² + λΔq²，并要求 0 ≤ Δq ≤ cap。闭式解是 min(cap, 0.2wₕ/(wₕ+1+λ))。

手目标权重 wₕ：1 阻尼 λ：0 允许修正 cap：0.2

修正 Δq = 0.1000 rad；手部剩余误差 = 0.1000；保姿偏移 = 0.1000 rad

可离线阅读的预设结果 · 教学模型，不是 G1 rollout
wₕ	λ	cap	Δq	解释
1	0	0.2	0.1000	手和保姿各让一步
25	0	0.2	0.1923	更偏手目标，姿态改变更大
25	25	0.2	0.0980	阻尼压小局部修正
25	0	0.08	0.0800	硬限幅生效，增加权重也不能越界

归一化残差是为了手算；这里的 wₕ 是目标函数系数，不等同于 Mink 的 position_cost 数值。阻尼在完整非线性迭代中影响收敛，不代表必然永久保留同样偏差。

检查理解：脚在地面滑动时，第一步就增大足端权重吗？

先查时钟、尺度、根平移、脚底定义和 frame offset。只有目标几何正确而优化仍让步时，增大权重才在解决对的问题。随后还要查速度峰值、自碰撞和实际 controller replay。

4. 论文公式到官方实现：哪些默认值值得留意？

模型直觉不能替代配置检查

上节告诉我们调参的方向；本节确认固定提交实际用了什么。代码可能已晚于论文，下面的不一致作为版本差异保留，不擅自判断哪一个代表作者当年的实验。

code · bb1bbe40774794fceb2a7c579a3464a28e68c844 · 核查日期 2026-10-22
位置 / 参数	实际含义	易误读之处
`__init__`	solver=daqp，damping=0.5；FrameTask 的 lm_damping=1。	两个 damping 不是同一个参数；旁边的旧注释不优先于可执行默认值。
`ik_limits`	ConfigurationLimit 默认开启；VelocityLimit 可选，默认关闭，开时为 3π。	此函数没有默认碰撞约束或动力学平衡保证。
match table 1 → 2	脚踝 position/orientation cost 为 50/10；腕部从 0/10 变为 10/5；骨盆从 0/10 变为 100/5。	论文“阶段一包含手脚”是一般形式；该 BVH→G1 配置第一阶段腕位置权重实际为 0。
`retarget`	每阶段先求解一次，再最多循环 10 次；按误差改善 >0.001 继续。	因此该实现最多可达 11 次调用，不等于论文描述的最多 10 次。
`update_targets`	目标先使用 table1 的 offsets，两个阶段复用目标；table2 offsets 虽被读入，但这里未另用。	当前所核配置两表 offsets 相同；若未来调 table2 offset，需检查这条代码路径。
地面校正	论文描述整段 FK 最低高度平移；当前类另有可选逐帧脚点贴地与手工 ground offset。	完整离线导出要连同调用脚本核对，不能拿一个可选函数替代论文的序列处理。

motion_retarget.py · bvh_lafan1_to_g1.json。论文 p.5 用 exp 描述 SO(3) 差的 so(3) 表达，记号不规范；本页用旋转 Log / rotation vector 解释，不将其照抄成实现。

5. 不把 sim2sim、保真度和真机混成一个分数

把机制接回证据

改善 IK 并不自动证明策略更好。本节分别检查整段完成、存活帧 tracking error 和人的动作保真偏好，最后指出这些证据没有跨过的部署边界。

仿真协议 · §III，pp.3–4；Table I–II，p.6
场景	任务 / 划分	观测 / 动作 / 时域	次数与指标	结论与公平性
IsaacSim sim	21 条 LAFAN1，G1；每条参考独立训练，不是统一策略 held-out split	BeyondMimic tracker；本文未完整列出观测维数/控制 Hz。每条 5.5–130.5 s，违背 anchor 高度/朝向阈值早停，阈值数值未在本版列全。	100 rollouts / policy；整段完成率；位置 mm、关节角 10⁻³ rad	固定配方；PHC/PM 还需要 BVH→SMPL(-X) 转换，GMR 直接用 BVH，输入链并非逐环节完全相同。
IsaacSim sim-dr	相同参考；打开 domain randomization	参考与控制器不变，测参数/观测扰动鲁棒性	4096 rollouts / policy	不应称为未见任务成功率；训练 seeds 数未报告。
MuJoCo + ROS sim2sim	相同参考；不同模拟器及估计/通信路径	默认站姿启动；不读特权全局根姿态；参考完整时域	100 rollouts / policy	可安全模拟部署路径，但不是物理机器人测试。

分维度 ID/OOD 证据
维度	对照与结果	可比较范围
观测 / 参数扰动	GMR Dance 5：sim 96%，sim-dr 92.75%	不同试验量、复合扰动，不计算 ID/OOD 保留率；不能隔离哪个噪声导致下降。
模拟器 / 时序迁移	Dance 5 sim2sim 51%；Run stop-and-go 为 100%	不同模拟器协议，不把变化只归因于 retargeter。
初始参考帧	Walk 2 从 frame 0 改为 7：GMR 64%→100%	Table III，p.7；Table I 星号结果采用修正起帧，不能忽略该处理。
未见对象 / 复杂交互 / 机器人本体	未报告	仅 G1、LAFAN1；没有对象交互 benchmark。

真机证据状态
平台	任务成功数 / 总数	完成时间 / 人工干预 / 安全停止	可支持结论
本文未报告物理机器人定量测试	未报告；不能计算 Wilson 区间	未报告	只能使用仿真与用户研究证据，不能把 ROS rollout 记成 G1 真机。

全部 21 个动作的 sim2sim 完成率（%）

Table I · p.6 · 每方法每动作 100 次；* 调整起始参考帧
动作	PHC	GMR	ProtoMotions	Unitree
Walk 1	100	100	100	100
Walk 2*	100	100	100	100
Turn 1*	100	100	99	100
Turn 2	99	100	100	99
Walk old	100	100	100	100
Walk army	100	100	99	100
Hop	100	100	100	100
Walk knees	100	100	100	100
Dance 1	0	100	100	100
Dance 2	0	100	100	100
Dance 3	99	100	100	100
Dance 4	99	100	100	100
Dance 5	100	51	100	100
Run slow	100	100	100	100
Run	100	100	100	100
Run stop & go	74	100	26	100
Hop around	100	100	100	100
Hopscotch	100	100	100	100
Jump and rotate	99	100	100	99
Kung fu	100	100	100	100
Various sports	100	100	100	99

20 位参与者对 GMR 与三种方法的动作相似性偏好统计 — 论文原图 Figure 4 · p.7。20 位参与者，每人 45 个两两比较问题；GMR 对 PHC/PM 的偏好为 74%/63%，对 Unitree 为 25%（无偏好 37%，偏好 Unitree 38%）。这是保真偏好，不是策略成功率。

6. 与 VLA / Embodied AI 的联系

GMR 输出的是参考运动，不是天然兼容所有控制器的 action label。下一步要问：SONIC 的哪个 encoder 接收它？所需未来窗口、joint order、根坐标、单位和控制时钟是什么？再往上，WAM 学的是 token、关节目标还是末端位姿？名称同为 action 不能代替接口契约。

下一篇：SONIC 的执行接口 →为何还要 dynamics-aware refinement？回到链路总览