柔顺GMT：用残差适配器让通用动作跟踪人形机器人学会“让力”
这篇预印本在现有的人形机器人动作控制器上加装一个小型附加网络，使机器人被推或拉时顺势退让，而不是以满刚度硬顶回去。在运行GR00T视觉语言动作策略的宇树G1上，即便受到60牛拉力，柔顺版本仍在50次中46次成功搬起箱子，刚性基线仅28次。
能否在不从头重训动作跟踪器的前提下，让一个人形机器人控制器既能跟踪任意人体动作，又能以全身柔顺地响应外力？
基于大规模动捕数据训练的通用动作跟踪器（GMT）已成为人形机器人遥操作和执行VLA模型输出的标准底层。它们被训练成刚性跟踪参考动作，一旦发生意外接触，就会强行冲向目标姿态，可能损坏机器人、物体或伤及旁人。此前的柔顺控制器要么只适用于单一动作，要么只让上半身退让。
SoftMimic为每个动作单独训练柔顺策略；GentleHumanoid和CHIP只让上半身柔顺；LAC对下肢只支持速度和高度指令。它们都在同一策略里联合学习跟踪与柔顺，作者认为这导致训练时间长、奖励调参敏感。
C-GMT把任务拆开。第一步，微调英伟达开源的SONIC跟踪器，使其在手部负载最高2公斤和持续外力（训练预算由每臂10牛升至30牛）下仍能跟踪。第二步，构建一个特权教师，给定外力和指令刚度，用弹簧定律加逆运动学计算参考动作应如何调整，并在训练前用4096段动作在仿真中验证可行性。第三步，一个只看10步关节历史、无需力传感器的轻量残差适配器学习微调SONIC的离散动作令牌；无外力时由门控保持原动作不变，另加两项抑制振荡的损失。刚度可在40至600牛/米之间调节。
与SONIC相比，抗力跟踪器在128段留出动作上的成功率在40牛拉力下由0.906升至0.945，60牛下由0.820升至0.867。无扰动的LAFAN1测试中，C-GMT行走类成功率为97.1%至97.9%（SONIC 98.9%，TWIST2 86.8%，GentleHumanoid 68.6%），动态类为88.0%至88.3%（SONIC 90.4%）。其实际刚度与专为单一动作训练的SoftMimic相当。在用GR00T N1.7-3B策略执行“走过去搬箱子”的任务中，无扰动时49/50对48/50，20牛拉力下44/50对34/50，40牛下41/50对30/50，行走早期60牛拉力下46/50对28/50。基于可行性的外力采样使训练摔倒减少约13倍（0.4%对5.4%）。
这是预印本，arXiv正文未列出作者单位，代码标注为“即将发布”。柔顺仅针对手部受力学习，其他部位接触留待后续研究。刚度由人设定而非策略自动选择。行走时全局位置误差高于SONIC（0.43至0.44米对0.24米）。真机结果多为演示，50次VLA测试只使用程序生成的示范、覆盖单一任务。
多数人形机器人公司都在AI策略之下运行动作跟踪层，SONIC是围绕英伟达GR00T生态的开源选项。无需重训该层即可加装的柔顺适配器，宇树G1用户、遥操作数据公司和服务机器人集成商都能较快采用，也正面回应了监管方在人形机器人与人协同作业前关心的安全问题。对国内大量基于G1做二次开发的团队而言，这类模块化安全层有直接参考价值。论文致谢韩国产业通商资源部经KIAT提供的资助。研究平台上6至18个月可见应用，工业认证场景需要更长时间。