用扩散模型建模人形机器人策略的神经网络权重

研究团队采用线性自编码器加 Diffusion Transformer 的潜在扩散框架，直接对人形机器人控制网络的权重分布进行生成建模，在 Unitree G1 上训练后生成的网络可实机完成行走、跳舞和回旋踢等动作。研究还发现第一层权重中存在一致反映机器人运动学先验的结构性规律，且该先验在强化学习与模仿学习下均会出现。