文章提出了通用行为克隆（GBC）框架，旨在解决异构人形机器人全身模仿的挑战。GBC通过三个关键创新实现从人类动作到机器人动作的端到端学习：自适应数据管道利用可微分IK网络将运动捕捉数据自动重定向到任意人形机器人；新型DAgger-MMPPO算法结合MM-Transformer架构学习鲁棒的高保真模仿策略；整个框架基于Isaac Lab实现高效开源平台，支持通过简单配置脚本部署完整工作流。实验验证了GBC在多种异构人形机器人上的优异性能和动作迁移能力，为创建通用人形控制器提供了首个实用化统一解决方案。
人形机器人控制面临高维动作空间、复杂非线性动力学等挑战，传统方法如模型预测控制或纯强化学习在泛化性和高保真模仿方面存在瓶颈。模仿学习虽能利用人类示范数据，但机器人形态差异导致直接应用人类动作不可行。现有方法依赖特定配置的逆向运动学或优化，缺乏通用性，且难以处理连续帧间的运动不连续性。
通过SMPL+H人体模型与机器人形态校准，建立端到端可微分的轻量级姿态转换网络。该网络采用Transformer编码器结构，结合四种损失函数（距离损失、关节限制损失、动作扰动损失和对称性损失）实现实时运动重定向。后处理阶段通过时间平滑、参考信号增强和循环子序列提取，生成物理可行的机器人示范数据。
提出运动模仿Transformer（MM-Transformer）架构，将机器人观察和参考运动作为多模态输入处理。采用BERT风格的编码器设计，通过注意力机制对齐不同模态，支持参考观察的动态掩蔽。投影头分别输出动作和值函数估计，在参数效率相当的情况下显著优于传统MLP架构。
两阶段训练框架：第一阶段在简化物理环境中训练DAgger策略作为行为先验；第二阶段通过LoRA微调实现教师-学生蒸馏，将先验适应到完整物理环境。算法整合模仿损失与PPO目标，平衡示范数据与实际观察，同时兼容AMP等对抗模仿技术。
在Unitree H1-2、Fourier GR1等四种人形机器人上验证：数据管道实现厘米级末端执行器跟踪误差；MM-Transformer在模仿任务中相似度得分达0.82，远超MLP基线；完整算法在中等难度任务上收敛速度提升40%。跨数据集测试显示，多动作训练的策略可泛化到未见过的舞蹈动作，sim-to-sim迁移实验证实策略对物理参数变化具有鲁棒性。
GBC首次实现了异构人形机器人全身模仿的通用框架，其模块化设计支持扩展至语言引导运动生成等方向。未来工作将探索物理部署和精细操作任务的适配，进一步推动通用人形控制的发展。