Unitree G1
宇树科技推出的量产型人形机器人，具备高自由度关节和动态运动能力，常用于强化学习与机器人控制研究
时间轴 (近 90 天)
有开发者在NVIDIA Isaac Sim中复刻了一个自助茶饮站，并让Unitree G1人形机器人以脚本方式完成五步泡茶流程。
机器人的动作不是从人类视频中提取的，所有运动都是单独脚本化并在启用物理引擎的Isaac Sim中执行。
目前该实验尚未使用学习到的策略（learned policy）或自动轨迹生成，所有机器人动作都由脚本预先定义。
让G1在与物体交互时保持稳定花了相当一番功夫，仿真中的接触和滑动仍不完美。
该研究以Unitree G1为平台，在模拟环境中取得了92.5%的通过率。
Unitree G1作为相对轻量的人形平台被用于验证全身控制策略，说明中小型人形机器人在算法研究中的实用性正在提升。
当前工作仍局限于Unitree G1平台和特定动作集合，权重空间的通用性与可扩展性有待更多验证。
一项最新研究提出用扩散模型直接建模人形机器人控制策略网络的权重分布，并在Unitree G1机器人上生成了可部署的行走、跳舞、回旋踢等动作网络。
研究团队从强化学习过程中收集大量网络，训练扩散模型后生成的网络可直接部署到真实机器人，完成行走、跳舞、回旋踢等多样化运动，表明生成的权重具备实际控制能力。
Pilot 论文提出面向非结构化场景下人形机器人 Local Manipulation 的统一单阶段强化学习框架，包含跨模态上下文编码器与 MoE 策略架构，实验在仿真环境与 29 自由度 Unitree G1 实体机器人上进行，论文称其在稳定性、指令跟踪与地形通过性上均优于基线方法。
还有 3 条时间轴事件
全部知识事实 (13)
让G1在与物体交互时保持稳定花了相当一番功夫，仿真中的接触和滑动仍不完美。
50%待验证机器人的动作不是从人类视频中提取的，所有运动都是单独脚本化并在启用物理引擎的Isaac Sim中执行。
50%待验证目前该实验尚未使用学习到的策略（learned policy）或自动轨迹生成，所有机器人动作都由脚本预先定义。
50%待验证Unitree G1作为相对轻量的人形平台被用于验证全身控制策略，说明中小型人形机器人在算法研究中的实用性正在提升。
50%待验证该研究以Unitree G1为平台，在模拟环境中取得了92.5%的通过率。
50%待验证当前工作仍局限于Unitree G1平台和特定动作集合，权重空间的通用性与可扩展性有待更多验证。
50%待验证一项最新研究提出用扩散模型直接建模人形机器人控制策略网络的权重分布，并在Unitree G1机器人上生成了可部署的行走、跳舞、回旋踢等动作网络。
50%待验证研究团队从强化学习过程中收集大量网络，训练扩散模型后生成的网络可直接部署到真实机器人，完成行走、跳舞、回旋踢等多样化运动，表明生成的权重具备实际控制能力。
50%待验证Pilot 论文提出面向非结构化场景下人形机器人 Local Manipulation 的统一单阶段强化学习框架，包含跨模态上下文编码器与 MoE 策略架构，实验在仿真环境与 29 自由度 Unitree G1 实体机器人上进行，论文称其在稳定性、指令跟踪与地形通过性上均优于基线方法。
50%待验证Unitree G1是宇树科技（Unitree Robotics）推出的一款人形机器人，身高约1.3米，拥有23个以上的自由度，主要面向科研、教育和轻量级服务场景。
50%待验证有开发者在NVIDIA Isaac Sim中复刻了一个自助茶饮站，并让Unitree G1人形机器人以脚本方式完成五步泡茶流程。
50%待验证CSF在真实世界的Unitree G1人形机器人上做了完整系统演示，覆盖与人交互、与物体交互等多种场景，成功阻止了不安全动作。
50%待验证FAITH 的策略被部署到真实世界的 Unitree G1 人形机器人上进行演示。
50%