SteadyTray：冻结步态、只训残差，让人形边走边端稳托盘
人形边走边端托盘的难点不在走，而在托盘与物体之间没有任何刚性连接：脚底落地冲击沿运动链传到末端执行器，物体只靠摩擦与重力被动约束，转弯、加减速或被推时随时滑移、倾斜、翻倒。SteadyTray 提出 ReST-RL，把两件事在参数层面拆开：预训练步态基策略训练完即完全冻结，任何后续梯度都不许回流；残差模块由特权编码器（机器人线速度、托盘位姿与投影重力、物体位姿/线速度/角速度，输出 64 维特征）加零初始化适配器组成，既可在动作空间叠加残差修正，也可用 FiLM 逐层调制冻结基策略的激活。零初始化保证训练第 0 步与原策略逐位一致，不会先毁掉步态再重建。部署侧用 DAgger 只蒸馏编码器、适配器整体冻结，学生仅需本体感知加头部 RealSense D435 与 AprilTag 的物体位姿估计，把模仿难度从动作空间压到 64 维潜空间。Isaac Lab 仿真（8192 并行环境，2×RTX A6000）中：变速指令跟踪成功率 96.9%（冻结基策略 47.4%、端到端 89.1%），推机器人 84.6%（基策略仅 9.1%），推物体 74.6%；三种残差接法成绩接近，说明收益来自结构化残差解耦本身而非某种适配器形态。奖励曲线显示端到端总奖励不低，但物体直立奖励长期停在约 0.9，残差变体爬到约 1.8。观测延迟消融中，延迟训练在 0.00 到 0.06 秒全部档位领先，含零延迟档（90.2 对 78.4）。Unitree G1（29 自由度）零样本端起咖啡杯、装水红酒杯、手术器械与密封食品盒，抗踢抗推恢复由上下肢协调完成。局限：编码器只处理单个物体、不建模细粒度几何与物理属性；头部相机视场窄且固定，难以换持握姿态避障；纯 sim-to-real RL 依赖大量奖励塑形与仿真调校；评测未覆盖高重心、易滑动或软体载荷。
