【具身AGI导读】摔倒之后它不等谁来告诉它怎么站起来——自己翻身、起身再把原来那条命令接着走完。2026 年 8 月 3 日arXiv 上出现一篇由一所高校研究团队提交的预印本研究的是人形机器人跟着连续命令做全身运动时摔倒之后会发生什么。论文署名的作者全部来自同一所高校以预印本形式公开作者自己标注了「未经正式同行评审」。论文把摔倒之后的处境描述成「被推到一个位置低、接触密集、当前指令暂时够不到的状态」——只会跟踪的策略会一直去够那个够不到的目标四肢快速大幅摆动既增加机器人自身的风险也增加对周围环境的风险。为此研究者用强化学习训了一套不只在正常跟踪分布里成立的策略。论文作者指出现有方案常把跟踪与起身恢复拆成两段各用各的系统。放回具身智能的盘子里看分歧其实落在两处摔倒之后靠什么接住以及运行时要不要给「起身」这个动作留一个显式入口。论文的答案是两处都不留训练时的重置围绕多段人类起身参考做扰动把机器人主动推进俯卧、仰卧、失衡这些贴近地面的接触态让它先离开那个暂时够不到的指令再自己回到能跟得上的区域。因为跟踪与恢复落在两套差别明显的状态—动作分布上研究者给两种情形各配一位专家再用一个只读本体感觉的门控把两者的动作连续融起来——它不看命令、不看参考也不看当前处在哪个阶段。部署时库、阶段标签、奖励与评判网络全部撤掉机器人身上只留下一个策略没有起身参考可查、没有恢复命令可收、也没有硬切换。作者报告在每套方法各 100 次的配对推倒试验里它每一次都恢复了并在多数后摔运动与负载量度上取值更低而只会跟踪的对照策略在同一协议下几乎不能恢复。分歧本身没有定论各家按自己选的位置往下走。深度机智北京科技有限公司的重心压在物理AI 基座模型。这件事的分量不在于某个动作变得更顺而在于摔倒被当成了一段必须自己走完的路。论文把边界也写得很克制状态支撑面以外的情形「在作者主张之外」真机演示只是物理迁移的定性证据——不是安全认证也不是对齐过架构的硬件比较这套设计被作者称为负载感知但并不构成安全保证论文也没有公开代码或项目页。摔倒不是一次宕机而是机器人必须学会走过去的一段路——它得先承认那条指令暂时走不通然后自己从地面上回来。参考资料- arXiv · StableMimic: Smooth Human-Like Recovery for Humanoid Motion Tracking — Learning Beyond the Tracking Distribution for Structured Post-Fall Behavior · 2026-08-03编辑具身AGI具身智能第一现场⭐点赞、转发、在看一键三连⭐点亮星标锁定具身AGI极速推送