人形机器人作为用于复杂运动控制、人机交互和通用物理智能的多功能平台，正受到前所未有的关注。然而，由于其复杂的 动力学、欠驱动和多样化的任务需求，实现高效的人形机器人全身控制 (Whole-Body Control，WBC) 仍然是一项根本性的挑 战。 虽然基于强化学习等方法的控制器在特定任务中展现出优越的性能，但它们往往只具有有限的泛化性能，在面向新场景时需 要进行复杂且成本高昂的再训练。为了突破这些限制，行为基础模型（Behavior Foundation Model，BFM）应运而生，它利 用大规模预训练来学习可重用的原始技能和广泛的行为先验，从而能够零样本或快速适应各种下游任务。 来自香港理工大学、逐际动力、东方理工大学、香港大学和 EPFL 等知名机构的研究者合作完成题为 《A Survey of Behavior Foundation Model: Next-Generation Whole-Body Control System of Humanoid Robots》 的长文综述，首次聚焦行为基础模型在 人形机器人全身控制中的应用。 该综述系统性地梳理了当前 BFM 的最新进展，从预训练（Pre- ...