美国亚马逊前沿研究实验室（FAR）携手麻省理工学院、斯坦福大学、加州大学伯克利分校和卡内基梅隆大学等顶尖科研机构，近日联手推出革命性的OmniRetarget技术。这项创新的交互网格系统能精准保持智能体、地形和操作对象之间的物理交互关系，自动生成符合动力学的机器人运动轨迹。

最新公布的演示视频展示了令人惊叹的场景：宇树科技G1人形机器人仅依靠本体感知系统（不依赖任何视觉或激光雷达传感器），就流畅完成了包括椅具搬运、平台攀爬和高空落地缓冲等多种复杂动作。值得注意的是，这些动作序列全都由OmniRetarget系统自动生成，全程无需人工预设任何运动轨迹。

该项技术的核心竞争力在于其创新的空间交互保持算法。通过建立精确的三维交互网格模型，系统能够动态捕捉机械肢体、接触面和操作对象之间的相对位置。在轨迹生成过程中，算法会智能平衡拉普拉斯变形参数和动力学约束条件，确保每个动作既满足物理法则，又能与环境产生自然互动。实验结果表明，相较传统方法，该技术生成的轨迹在动作连续性和环境适应性方面表现尤为突出。

特别值得一提的是，基于该方法训练的强化学习策略仅需设置5个基础奖励函数和简单的领域随机化参数，就能让G1机器人掌握长达半分钟的连续跑酷技能。研究人员强调，这种训练模式完全摈弃了繁琐的分阶段课程设计，所有技能都能通过共享参数直接迁移至新场景。

目前已公开的验证场景极为丰富：机器人不仅能智能选择翻滚、攀爬等不同方式穿越复杂障碍，还能以8种完全不同的行为模式完成多种箱体搬运任务。研究团队已在官网同步发布完整论文和技术数据集，源代码计划近期开源，详细技术资料可通过指定科研页面获取。