以《不止于VLA：生成式驱动的新一代人形机器人大模型》为题，提出通过生成式大模型实现从多模态输入到全身动作控制的端到端能力，团队借鉴人脑生成式的动作机理去适配不同的机器人本体，开启人形机器人控制的新范式。我们的愿景不仅仅是“做一个机器人”，而是“人人都可以打造属于自己的机器人”，让更多开发者能够站在可用、可信、可改造的基础设施之上，去探索属于自己的机器人创意。国地中心搭建的数据集与训练场平台，作为

作为全球第一款数字人动作生成和控制具身大模型，MotionGPT 借鉴了 ChatGPT 语言模型的经验上，在包括文本驱动的动作生成、动作描述、动作预测和动作衔接等多个动作任务上拥有出色的表现。未来的机器人、虚拟数字人乃至混合现实中的智能体，将不再是冷冰冰的命令执行器，而是能理解意图、感知环境、自主行动的真正“智能存在”。”为基础，构建闭环仿真训练体系，同时推动从“形似”向“神似”过渡，构建基于“

在机器人运动控制的强化学习训练中，选择合适的仿真平台是影响训练效率与模型性能的关键因素之一。不同仿真工具在并行计算能力、物理精度、系统兼容性等方面各有优势与局限。本文将基于青龙人形机器人训练中的实际经验，对 Isaac Gym 和 MuJoCo 两款主流仿真平台进行对比分析，并在最后介绍自主研发的格物仿真平台，作为一种新的技术路径选择。

台阶与金字塔台阶地形的引入，不仅丰富了训练环境的复杂性，也帮助我们更接近真实世界中机器人的使用场景。结合高质量策略与结构合理的训练环境，我们将能训练出在多种真实环境中都能稳定运行的机器人。而在未来的开发中，这些地形还可以灵活组合，生成更贴近实际场景的多样化训练环境，为强化学习策略提供更全面的挑战与支持。即便是多个训练地形拼接，这种结构也能保持坡度过渡的平滑与连续，更适合机器人用于适应性与稳定性的强

在过去，我们提到机器人，脑海里常常浮现的是冰冷、机械的手臂，或者在工厂里重复作业的设备。而现在，机器人正变得越来越像“活物”——它们能跳跃、奔跑、甚至自己学习、适应环境。特别是足式机器人（比如“机器狗”、“仿生猎豹”）的兴起，不仅让我们重新审视了“机器人”这个词的定义，也引发了一个重要问题：机器人如何像动物一样，灵活、聪明地应对复杂世界？答案藏在两个关键词里：仿生启发 和 强化学习。

由国家地方共建人形机器人创新中心发起的 OpenLoong 项目，是业内首个全栈、全尺寸的开源人形机器人项目，有着人人都可以打造属于自己的机器人的美好愿景，旨在推动人形机器人全场景应用、助力具身智能时代的到来。未来理想的仿真平台，大概是什么样的？而未来在虚拟仿真的环境下，结合真实场景的数据，进行机器人的训练，成为更高效的解决方案。通过构建高保真的虚拟环境，结合真实数据，支持多种训练策略，并提供高效

春节期间，DeepSeek 凭借其出色的表现引发了广泛关注，成为 AI 领域的新焦点。这一现象不仅反映了 AI 技术在当前市场的热度，也揭示了未来 AI 发展的多个重要趋势。具身智能将成为 AI 的重要发展方向，通过机器人的身体与环境的交互，AI 能够更好地理解和适应物理世界。

本文深入剖析了青龙全尺寸通用人形机器人硬件平台的设计理念、流程及关键系统设计。全方位介绍了青龙硬件系统的设计内容，涵盖总体设计、构型设计、功能划分与设计、行走与驱动系统设计、操纵与作业系统设计、能源动力系统设计以及感知与控制系统设计等方面，各部分均详细阐述了设计的关键点与技术细节。此外，文章还对人形机器人直线关节技术进行了探讨，为相关技术研究与应用提供了有价值的参考。

本文介绍了“格物”仿真平台的核心功能、技术创新、使用流程及未来愿景等。“格物”平台旨在降低机器人强化学习和运动控制的技术门槛，提供一站式仿真训练环境，加速机器人智能体的开发与应用。

本篇文章会介绍国家地方共建人形机器人创新中心（下文简称“国地中心”）智能交互团队基于 Mobile ALOHA 系统，针对多样化复杂场景中人形机器人的遥控操作与自主作业展开研究，开发基于 Transformer 的模仿学习训练框架，部署于青龙全尺寸仿人机器人，实现了典型任务的自动化数据生成与作业控制，助力未来机器人项目发展。下面详细介绍 Aloha 项目的复现过程，模型对比，以及我们在此基础上进一