KODA：人类示范转成人形全身数据

一句话判断

KODA：人类示范转成人形全身数据

论文解决什么问题

训练人形机器人的全身VLA，需要配套的机载画面、身体状态和控制命令。机器人示范采集昂贵，人类第一视角示范却不能直接拿来训练：人的视角与机器人不同，稀疏手部线索也不是完整全身动作；换一种全身控制器，原来的命令标签还可能不兼容。

核心方法

KODA把人类示范转成可复用的“全身轨迹＋机器人视角＋任务指令”。关键是让同一条生成轨迹，同时决定机器人相机怎样运动，以及部署控制器要跟踪什么，再据此生成训练监督。

↳ ① 从稀疏参考生成全身运动
利用相机与双手参考，重定向手物几何关系，再通过追踪器和仿真中的采样命令优化生成全身轨迹，最后细化手臂，降低腕部跟踪误差。

↳ ② 让机器人画面跟着生成的运动走
由全身轨迹确定机器人相机位姿，重投影场景、移除人臂并渲染机器人，再补全剩余空洞。合成画面对应这段机器人运动，补全只处理外观，不改动作标签。

↳ ③ 换控制器，保留记录、重建监督
切换SONIC或HEFT时，保留规范轨迹和合成画面，重新优化该控制器的命令，并记录仿真实际状态。生成的状态—动作监督，与对应机器人示范共训各自的GR00T N1.7策略。

实验结果

在G1四项移动操作任务中，每任务固定50条机器人示范，再加入100条转换人类示范。在机器人数据未覆盖、但人类数据已覆盖的变化条件下，四任务平均成功率：
· SONIC：3.75%→48.75%。
· HEFT：5.00%→51.25%。
两种控制器下，所测人类数据预算内的Robot-OOD平均成功率均呈上升趋势。

这篇论文不是什么

⚠️ 代价与边界
本次400段人类示范均含手机实测深度，不能等同任意纯RGB视频。跨控制器验证仍在同一G1上，需要重新生成监督并分别训练策略。每配置只训练一次，每任务每条件20次真机试验；扩量趋势尚不足以确立scaling law。

对机器人 / 世界模型 / VLA 的启发

💡 工程启发
监督不匹配也可能负迁移：SONIC加入未做命令优化的转换数据后，已覆盖条件成功率为48.75%，低于仅用机器人数据的62.5%。
与WholeBodyWAM的跨控制器结果对照，数据可复用和策略免适配是两层问题。KODA把复用放在运动与观测记录，把接口差异留给监督生成。后续要看：更多控制器下，能否保住任务收益并减少重复转换成本。

论文关键页