一句话看懂：alphaXiv 收录的论文提出 REACT 框架，把“哪些接触定义了交互”作为核心监督信号，让人形机器人从人类双人示教中学习，并在真实 Unitree G1 上只用机载深度相机完成五类接触密集交互。
事件核心：发生了什么
根据 2026 年 10 月 20 日公开的论文摘要，研究团队针对人形机器人与人交互中的严重部分可观测问题：近身接触时，人类伙伴常被遮挡、截断或处于机器人视野之外，姿态估计容易失效，此前的方案往往依赖外部追踪或特权人体状态。REACT 的流程分三段：先用 VLM 结合多视角渲染和动作描述筛选语义上有意义的接触事件，再把接触位置从 SMPL-X 人体网格迁移到人形机器人几何上；随后训练能看到伙伴完整状态的“特权教师”策略，通过接触奖励学习物理可行的交互，并用 DAgger 蒸馏成仅依赖机载第一人称深度与本体感知的可部署策略；同时引入生成式伙伴状态建模，让机器人在被遮挡视角下预测伙伴运动。论文在仿真和真实 Unitree G1 上测试了五种接触密集交互，报告称语义接触建模明显改善示教交互的保留程度，生成式伙伴建模在五种交互中的四种提升了接触召回，且多数提升发生在重度遮挡场景。
为什么重要
人形机器人从“会走会抓”走向“能与人配合”，关键瓶颈之一不是单个动作能力，而是在信息不完整时仍能判断对方意图和接触状态。REACT 把接触语义当作连接数据处理、策略学习和机上控制的共同信号，这条路线避开了对外部动捕或特权状态的依赖，更接近真实部署条件。如果后续实验能够复现，它对人形机器人从实验室演示走向家庭、护理、服务等近身场景具有参考价值。
对用户/开发者/创作者的影响
对机器人开发者而言，值得留意的是两条工程思路：一是用 VLM 做接触筛选，降低双人动捕中因互相遮挡产生的错误标注；二是用深度渲染和生成式预测弥补遮挡，让策略在机载视觉下仍可工作。目前公开信息显示，这套方法仍处于论文阶段，尚未成为可调用的 API 或开源产品，开发者不宜按已上线工具规划集成。硬件侧，Unitree G1 作为测试平台出现，说明国产人形机器人正被用于接触交互研究，但论文未披露算力配置与推理时延，实际部署成本仍需观察。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文是否公开完整实验细节和代码，尤其是 VLM 筛选的准确率与失败案例；二是真实硬件上的成功率和安全性指标是否足够支撑更复杂接触任务；三是同类工作如 OmniRetarget、Beyond Mimicry 是否会跟进遮挡下的伙伴状态建模，形成新的技术对比基准。
来源：alphaXiv
