BFM-Zero

BFM-Zero: A Promptable Behavioral Foundation Model for Humanoid Control Using Unsupervised RL进阶

不用任务奖励训练、靠「提示」切换任务的人形全身控制基础模型。

BFM-Zero 是卡内基梅隆大学石冠亚组与 Meta 等机构 2025 年 11 月发布的人形机器人行为基础模型。它用无监督强化学习训练：训练时不给具体任务奖励，而是借助前向-后向表示（Forward-Backward，把状态和任务映射进同一个隐空间的方法）学出共享隐空间，参考动作、目标姿态和奖励函数都能编码成这个空间里的向量。部署时给出对应向量（即「提示」），同一个策略就能零样本完成动作跟踪、到达目标姿态、按奖励优化等任务，也支持少样本适配。团队在宇树 G1 真机上演示了抗推扰和摔倒后恢复，称其为首个可在真实人形上用提示切换任务的行为基础模型。

例子同一个部署在宇树 G1 上的 BFM-Zero 策略：输入一段参考动作就做动作跟踪，输入一个目标姿态就去摆出它，输入一个奖励函数就按奖励行动，中间不重新训练。

也叫: BFM Zero
相关: 行为基础模型、无监督技能发现、运动跟踪、宇树 G1、Meta Motivo（人形行为基础模型）、学习型全身控制
来源: BFM-Zero (arXiv 2511.04131)
BFM-Zero 项目主页
信息截至: 2025-11