CHOREO：把每个人形技能都变成一条轨迹——免训练组合 2950 个异构技能，G1 八动作长序列成功率 93.8%

要理解 CHOREO 的切入点，可以先看一个具体场景：让机器人「向前走，做一个马步，再继续走」。这里 walk_forward 和 horse_squat 可能分别来自完全不同的世界——前者是 RL 策略，后者是动捕数据集里的一段人体动作重定向。传统做法要么为这组序列专门重训一个策略，要么靠工程师手写状态机在两个控制器之间切换，每次换技能组合都要重来一遍。CHOREO 要消灭的正是这一步：技能库里有什么，机器人就能按语言指令串什么。

一句话与背景：为什么「会得越多」不等于「越能干」

过去两年，人形机器人的「技能清单」以前所未有的速度变长：强化学习跑出了敏捷运动，动捕模仿教会了全身控制，遥操作积累了真值示范，生成模型甚至可以凭文本合成全新动作。但中国海洋大学与中国科学院自动化所团队在这篇发表于 arXiv 2026 年 9 月的论文里指出了一个尴尬的现实：这些技能彼此是孤岛。它们由不同范式训练、用不同表征存储、依赖不同控制器接口——一个 RL 策略输出的动作流、一段动捕数据集里的关节轨迹、一个扩散模型合成的骨架序列，三者之间没有任何一个「即插即用」的衔接方式。论文把这个问题讲得很直接：单纯累积独立训练的能力，并不会自然产出一台更能干的机器人。

现有方案的主路线是「训一个更大的统一策略」：把越来越多样化的数据喂给一个控制器，让它覆盖更广的技能分布。这条路确实有效，但论文点出它的根本局限——每加一个技能都是一次训练问题：要收集兼容数据、改训练分布、重训越来越大的策略。而今天人形技能的生产者已经高度分散——不同研究社区、不同仿真平台、不同生成模型各自产出，「重训式统一」的可扩展性正变得越来越差。于是作者提出了一个互补的关键问题：异构的预训练人形能力，能否在不重训原模型的前提下被持续累积、复用与组合？

CHOREO 的回答建立在一个非常朴素的观察上：不管技能是怎么学出来的，它最终都表现为一段可执行的机器人运动轨迹。RL 策略通过交互生成轨迹，动捕数据显式存储轨迹，生成模型合成的动作也能转换成轨迹。与其费力统一各控制器的内部架构，不如统一它们的行为输出。这个转向把「技能生成」与「技能执行」解耦成两层——新能力接入只是往轨迹库里加资产，而不用碰任何已有控制器。扩充机器人行为，从「反复重训日益复杂的策略」变成了「增长一个可复用的运动技能库」。

用一句话概括它的卖点：训练无关的集成、异构兼容、可扩展且可持续——这三点正是论文 Self-Overview 里给 CHOREO 的三个标签，也分别对应后文的三组实验。

CHOREO 框架：三层结构与 SkillMotion 统一表示

CHOREO 的运行时由三个组件串起来。第一层是离线注册：Source Adapter 把三类来源——动作数据集（解码即得）、RL 策略（在其原生仿真器里 rollout 出有限时程轨迹）、生成模型（在其原生环境里生成后转换）——统一「实体化 → 规范化 → 标注」，只摄取身体状态轨迹本身，不碰源模型参数与策略动作。所有轨迹重定向到统一的本体表示：论文采用 23 自由度 Unitree G1、30 Hz 采样，并统一关节顺序、坐标约定与单位。

每个技能被表示为一个 SkillMotion 资产 M = (τ, z, b_in, b_out, e)：τ 是 T 帧轨迹（含关节位置速度、根位姿、足底接触）；z 是语义描述子（标签、动作属性、来源溯源）；b_in/b_out 是结构化的边界描述子——进入/退出窗口加上运动画像摘要，这是后续组合的关键；e 是执行描述子，记录目标本体、Tracker 配置与验证证据。缺失的速度从序列差分推出，接触状态有则保留、可从运动学推断则推断，否则标记为「未知、零置信」——论文特意强调：未知接触不能当成「确知无接触」处理。

注册有一条验证门：格式合法性、运动一致性、以及用所配 Tracker 做物理可跟踪性检查。可修复的候选定周期修正后重检；通过者携验证证据入库，失败者被隔离，绝不对运行时暴露。最终论文的组织了 2,950 个准入 SkillMotion（来自 2,901 条运动轨迹、16 个 RL 策略、33 个生成模型的异构来源）。换句话说，库里近三千条轨迹从三种截然不同的范式来，但运行时看到的只有同一种格式——这正是后面「多 Tracker 兼容」和「来源吸收」实验能跑通的前提。

核心方法：边界失配评分、五次接缝与站立桥

为什么是「冻结」这么重要？因为整个框架的价值主张都压在这一点上：如果组合时还要微调 Tracker 或重跑 RL 训练，「免训练集成」就不成立。冻结协议意味着所有新技能、新来源、新组合都零梯度地进入系统——技能库从 2,901 条轨迹长到 3,069 个实例的过程中，没有任何一次反向传播。这也让「持续学习」的形态发生了变化：机器人能力的增长不再体现为模型权重的更新，而体现为资产的累积，可以随时回滚、审计、按需加载。

组合的难点在于：每个技能单独验证过，不等于拼起来能连续执行。CHOREO 在线时由 LLM 任务规划器把自然语言指令解析成规范化的技能标签序列（如 walk_forward → horse_squat → walk_forward）——注意规划器只定语义顺序，不生成轨迹与控制命令；真正的物理衔接由运行时处理。

对相邻技能对 M_i 与 M_{i+1}，CHOREO 先在平面位置与航向上对齐后继技能，再在标注的退出/进入窗口内选定拼接端点，计算边界失配分：对关节位置、关节速度、根高度、根线速度四个特征族 F = {q, q̇, h, v}，按各自维度归一化后加权求和，再加上一项置信度加权的足底接触失配。权重的分工很讲究：关节位置差度量「姿态对不对」，速度差区分「姿态相似但运动趋势不同」的情形，高度与接触项刻画竖直姿态与支撑构型。这个分数是参考级筛选标准而非可行性保证——失配分低于阈值 δ 即可直接衔接。

直接衔接时，CHOREO 用一段五次多项式接缝替换短边界窗口：六个端点约束（两侧各自的位移、速度、加速度）唯一确定多项式系数，接缝外动作原样保留。五次（而非论文早期描述里的三次 Hermite）保证加速度连续，这是低层控制器不抖动的关键。当失配分超阈值，则插入一个预验证的稳定站立参考 τ_st 作为桥——桥不是局部平滑，而是真正改变中间参考：先用同样的接缝算子把源技能接进站立，再把站立接进后继技能。所有环节（原技能、接缝、桥）走同一个执行接口，由 Tracker 专属适配器做坐标转换、时间重采样与参考窗构造。

执行侧论文固定使用 GMT 跟踪器：参考存 30 Hz，GMT 以 50 Hz 控制频率消费，输出 23 维关节目标。评测采用「冻结协议」——在线组合与执行阶段不调用任何源生成器或源策略，只用预先注册的资产。

实验一：长时程组合——序列越长，优势越大

长时程基准包含 130 条提示词条件序列：20 条两动作、26 条三动作、36 条五动作、48 条八动作，共 552 个计划技能边界。成功判据极严格：序列内每个技能与每个过渡全部完成才算成功，越长的序列给每个方法的「犯错机会」越多——一次边界失误就终止整段执行。对比基线四个：直接切换、固定 Hermite 插值、固定站立桥、Motion Matching，全部共享同一任务序列、资产、初始状态与冻结 GMT。

结果的核心形态是差距随长度拉大：CHOREO 完成全部 46 条两/三动作序列，八动作上 93.8%（45/48），而最强基线在五动作 63.9%、八动作仅 41.7%——CHOREO 的领先从两动作的 15 个百分点扩大到八动作的 52.1 个百分点。边界级指标给出了一致解释：552 个计划边界上 CHOREO 切换成功率 96.7%（超 Motion Matching 21.5 个百分点），摔倒率从最安全基线的 41.5% 压到 4.6%，同时关节位置不连续量 Δq = 0.0170 rad 反而是全场最低——「平滑」与「稳」没有互斥。

基线分析部分写得相当有洞察力。固定 Hermite 把 Δq 从直接切换的 0.0449 压到 0.0178 rad，但八动作成功率仍只有 22.9%、摔倒率高于 50%——光滑的接缝本身不足以支撑可靠组合，因为误差会在边界间累积。固定站立桥在长序列上明显更好（八动作 41.7%），但 41.5% 的摔倒率说明单一中间姿态覆盖不了这个基准里千差万别的边界对。Motion Matching 平滑度接近，但切换与序列成功率都显著落后。结论：CHOREO 的优势不是「缝得平」，而是同时维持边界可行性、低摔倒率与运动连续性，阻止过渡误差跨边界累积。

实验二：异构来源吸收与多 Tracker 兼容

来源适配基准检验「通用接口能否吞下结构迥异的输出」：运动库轨迹 2,969 条、RL 策略 rollout 50 条、扩散模型生成动作 50 条，全部 3,069 个实例通过注册检查（schema 合法、状态有限、存取一致），其中 256 条库动作加全部 RL 与扩散动作共 356 例额外做了闭环物理 rollout。结果：导入 100%（3,069/3,069），物理执行 99.2%（353/356）——三个失败全部出现在库动作抽样子集，RL 与扩散来源 50/50 全过。这个实验把两件事拆开了：导入证明异构输出能转成统一表示；rollout 证明转换后的资产在同一个冻结控制器下真的可执行。RL 与扩散子集的 100% 说明接口不绑定任何单一上游表示。

多 Tracker 基准用同一批 30 条准入轨迹喂给六个冻结跟踪器：GMT、HoloMotion、SONIC、H-ACT 各 100%（30/30），TWIST2 86.7%（26/30），OpenTrack 46.7%（14/30）。资产本身一字未改，差异全部来自各跟踪器适配器与其自身鲁棒性。论文对这组数字的解读很克制：四个 100% 说明这是接口兼容性证据而非系统排名；46.7%–100% 的跨度则提醒读者——统一的运动表示消除不了低层跟踪能力本身的差距。

消融：哪个组件最关键

过渡组件消融在相同 130 任务、同一随机种子与冻结 GMT 下隔离三个组件的贡献。移除「状态-入口兼容性评分」伤害最大：八动作成功率从 95.8% 掉到 75.0%，切换成功率从 97.1% 掉到 90.6%，摔倒率从 5.4% 升到 16.2%——随着过渡误差在长序列上累积，「把当前机器人状态匹配到合适的技能入口」变得越来越重要。移除「运动连续性评分」不改变序列成功率，但 Δq 从 0.0162 升到 0.0177 rad、摔倒率微升——它的贡献主要是更平滑安全的接缝。关闭「桥验证」在这个固定基准上不降成功率也不增摔倒，但论文明确警告不能因此说验证多余：它的安全价值体现在被拒绝的桥候选上，而这部分在本任务集里代表性不足。这种「承认消融结果不等于组件无用」的表述方式，值得很多论文学习。

诚实的边界

论文的限制部分写得很实。其一，长时程基准只有固定任务、每任务只跑一次，性能方差、远超八动作的时程、对未见任务分布的泛化都未被充分刻画。其二，3,069 个导入实例中只有 356 个做了闭环 rollout。其三，Tracker 对比仅 30 条轨迹，度量的是运动执行兼容性而非各系统完整能力。其四，全部实验在仿真里完成——感知噪声、执行器延迟、模型失配、接触不确定性与真实世界扰动都未覆盖。此外，框架受限于现有技能与桥库的覆盖质量，过渡分数依赖人工设计的运动学/接触特征。未来工作列了五项：更大技能集验证、重复试验与分布外长组合、真机部署、学习型过渡可行性模型、状态条件桥生成，以及闭环恢复与真实不确定性下的自适应。

为什么值得读：把 harness 思想搬进人形控制

第一，「统一行为输出」比「统一内部架构」便宜得多。这和软件工程里「标准化接口、不标准化实现」是同一条原则。CHOREO 不要求任何技能方改代码——RL 策略、生成模型、动捕数据各自原样保留，只贡献轨迹。技能生成与执行解耦后，「加技能」这件事的边际成本从「一次训练」降为「一次注册」，这才是它能谈到「可扩展」的原因。

第二，长时程的敌人是误差累积，不是单点失误。固定 Hermite 的失败最说明问题：它把每个接缝都做得很平滑（Δq 低），八动作成功率却只有 22.9%——因为平滑不等于可行，边界误差照样跨段累积。CHOREO 的解法是把「能不能接」当成一个带显式评分的检索问题（连续性 + 兼容性 + 接触置信），接不上就插入站立桥改写中间参考，而不是硬缝。这对任何「把多个已验证能力串成长任务」的系统都成立——包括 LLM agent 的工具链编排。

第三，评测协议的严谨度本身就是贡献。序列级成功判据（一票否决）、失败全部留在分母、冻结协议禁用测试期更新、消融的独立记录完整性校验（520 episodes 零重复零资源失败）、以及对「桥验证消融无差异」的克制解读——这些细节让 95.4%/93.8% 这两个数字可信。当然也要记住它的边界：仿真、G1 单本体、GMT 主导——真机上「站立桥」在扰动下还站不站得住，是这篇论文留给下一年的问题。

CHOREO 由 Ocean University of China（Ziyi Sun、Jingwen Chen 共同一作）与中国科学院自动化所（Long Cheng、Zhaoxiang Zhang）合作完成，受国家自然科学基金（62606500）与山东省自然科学基金资助，arXiv:2609.22274（cs.RO，2026 年 9 月 11 日提交）。