OmniXtreme: Breaking the Generality Barrier in High-Dynamic Humanoid Control

01 动机

高保真运动追踪是检验 humanoid 运动技能泛化能力的"终极试金石"。但当 motion library 覆盖越来越多样的风格、接触状态与节奏模式时，追踪质量反而系统性下降，高动态动作尤甚。

"when we scale to larger, more heterogeneous motion libraries spanning diverse styles, contact regimes, and timing modes, motion tracking quality tends to degrade. Controllers become conservative and 'average,' break on the hardest motions, or prove brittle to the small deviations that inevitably occur in sim-to-real transfer."

作者将这一"泛化壁垒"归因于两个叠加障碍：

• 学习瓶颈（learning bottleneck）：现有方法依赖简单 MLP，在多运动联合 RL 训练中存在梯度干扰，导致策略向"保守均值"退化，在高动态行为上选择性失败。
• 物理可执行性瓶颈（physical executability bottleneck）：即便仿真中追踪保真，真机部署时仍因建模缺失（力矩–速度特性、速度相关力矩损耗、再生制动等致动器非线性）而快速失稳。

02 方法

OmniXtreme 将多运动控制分为两个解耦阶段：Phase 1 以高容量 flow matching 模型建立可扩展的统一运动先验，绕开干扰密集的多运动 RL 优化；Phase 2 冻结 base policy，用轻量级残差策略在 actuation-aware 约束下对齐真机特性。

Phase 1：基于 DAgger 的 Flow Matching 预训练

首先对每条运动单独训练 PPO 专家策略（teacher），数据来源涵盖 LAFAN1、AMASS、MimicKit 和 Reallusion，运动重定向至 Unitree G1。随后用 DAgger 从专家处蒸馏出统一 flow matching policy：

ℒ_FM(θ) = 𝔼[‖v_θ(a_t, t, o) − (ε − a_expert)‖²]

速度场学习目标为 u = ε − a_expert，推理时通过前向 Euler 积分从噪声重建动作。预训练阶段采用"保真度保护型域随机化"（较小噪声水平，如关节位置噪声 ±0.01 rad），以避免对 base policy 的精度造成损害。高容量架构（Transformer/大 MLP）相比普通 MLP 有更强的容量可扩展性。

Phase 2：Actuation-Aware 残差后训练

冻结 base policy 后，用轻量级 MLP 残差策略叠加修正动作：a = a_flow + a_res，经 PPO 优化。该阶段引入三项针对真机约束的关键机制：

• 激进域随机化（ADR）：标准随机化幅度放大至 50%，包括初始位姿噪声 ±0.15 rad、线速度 xy ±0.75 m/s / z ±0.3 m/s、角速度（滚仰）±0.78 rad/s /（偏航）±1.17 rad/s；引入地形面噪声与竖直台阶放置；终止阈值放宽 1.5×。
• Power-Safe 致动正则化：对膝关节负机械功率施加惩罚，防止再生制动引发过流保护：ℒ_neg-power = Σ_j(max(−P_j − P_db, 0) / K)²。
• 力矩–速度约束（Torque-Speed Constraints）：引入分段线性力矩上限（|v| < v_x1 时为 τ_max,0，线性降至 v_x2 处为 0），叠加非线性摩擦模型：τ_applied = τ_clipped − (μ_s·tanh(v/v_act) + μ_d·v)，精确模拟真实致动器包络。

03 实验

评估在 Unitree G1 humanoid 上进行，仿真使用 LAFAN1 + XtremeMotion（约 60 条高动态运动）数据集，评估指标包括 MPJPE (mm)、Δvel (mm/frame)、Δacc (mm/frame²) 和 成功率（Succ）。真机实验涵盖 157 次试验、5 类技能。

Table II · 可扩展高保真运动追踪（仿真）

另：泛化到未见运动集成功率 89.54%（OmniXtreme 完整版）。

Table III · 真机评估（Unitree G1，157 次试验）

消融实验（Table IV）

对后训练各机制的逐步消融（真机可执行性）显示：

• None（仅 base 预训练策略）：Flip 和 Breakdance 均不稳定，Acrobatics 完全失败。
• +Motor Constraints（MC）：Flip 稳定，Breakdance 仍不稳定，Acrobatics 仍失败。
• +ADR：Flip 和 Breakdance 稳定，Acrobatics 部分成功（主要由 power-safety 保护触发失败）。
• 完整版（MC + ADR + PS）：三类技能全部稳定执行。

结论："不同类别的高动态动作具有各自独特的失败模式，每种执行导向机制各自解决了互补的方面。"

04 局限性