行为基础模型：人形机器人下一代全身控制系统概览

人形机器人因其在复杂运动控制、人机交互和通用物理智能方面的多样性应用而受到广泛关注。然而，由于动态复杂性、欠驱动以及多样化任务需求的挑战，实现人形机器人的高效全身控制（WBC）仍是根本性难题。虽然基于学习的控制器对复杂任务显示出前景，但其对新情景的依赖性且耗时的 retraining 限制了实际应用。为解决这些限制，行为（al）基础模型（BFMs）作为一种新范式涌现，利用大规模预训练学习可重用原语技能和广泛的行为先验，实现对广泛下游任务的零样例或快速适应。本文提供了BFMs用于人形WBC的综合概述，追溯其在多样化预训练管线中的发展。此外，我们讨论了实际应用、当前局限性、紧迫挑战以及未来机遇，将BFMs定位为实现可扩展且通用人形智能的关键方法。最后，我们提供了一个精选且持续更新的BFM论文和项目集合，供后续研究使用，地址为https://github.com/yuanmingqi/awesome-bfm-papers。