2026年8月12日，《Science Robotics》一次性刊发两篇机器人运动控制核心论文，抛出当前具身行业最关键的路线分野。面对“如何让机器人习得海量类人全身动作”这一核心难题，波士顿动力联合RAI Institute推出ZEST技能迁移框架，走上低算力、高效率、单技能快速量产的工程捷径；英伟达GEAR团队发布SONIC运动基础模型，以超大算力预训练、全域动作泛化打造通用身体底座。一个极致压缩新增技能成本，一个前置拉高基础模型能力，两种截然不同的技术哲学，正在定义下一代人形机器人的身体进化逻辑。

　　现阶段人形机器人的基础行走能力已基本成熟，但复杂全身动态动作仍是行业短板。匍匐爬行、连续翻滚、侧手翻、跳跃、多肢体协同支撑、灵活体态变换等动作，涉及全身多部位交替接触地面、动态冲击、摩擦扰动和复杂动力学变化。传统控制方案存在明显瓶颈。经典MPC（模型预测控制）高度依赖预设接触逻辑，难以适配膝盖、躯干、前臂等非固定部位的灵活触地动作；常规强化学习则存在奖励函数难设计、新动作需重新调参、训练流程无法复用的问题。每新增一个复杂动作，都需要工程师投入大量调试成本，导致机器人动作库扩张极慢，无法规模化落地。行业急需一套可复制的解决方案，让机器人动作学习摆脱“人工逐个雕琢”的低效模式。而此次两篇顶刊论文，给出了两套完全相反但同样可行的答案。

　　两篇论文最直观的差异，体现在算力投入和训练逻辑上，形成鲜明的行业对照。波士顿动力ZEST框架主打“轻量化高效迭代”。依托单张L4 GPU，仅需约10小时训练，即可完成一项全新复杂动作的策略迭代，且仿真训练完成后可直接零微调部署真机。依托该体系，Atlas人形机器人解锁霹雳舞、匍匐、侧手翻，宇树G1实现芭蕾动作与爬箱跨越，Spot四足机器人完成连续后空翻，覆盖多机型、多高动态场景。英伟达SONIC模型主打“规模化算力堆叠”。整套模型训练耗费2.1万GPU小时，动用128张GPU持续训练7天，消化700小时人类动作数据、超1亿帧样本，模型参数从120万扩容至4200万。巨额投入的目标并非单一技能迭代，而是一次性学习海量人类运动规律，形成统一的全身运动控制策略。简单来说，二者的核心差异清晰可辨：ZEST是先有需求、再快速量产技能，压低边际成本；SONIC是先预训练、再兼容所有需求，一次性筑牢通用底座。

　　ZEST全称零样本具身技能迁移框架，核心价值是大幅降低机器人新动作的落地门槛，打通了多元低成本数据来源。除专业动作捕捉数据外，普通手机单目视频、关键帧动画均可作为训练素材。仅需数分钟，即可完成单目视频的三维姿态重建与机器人动作重定向，真正实现“日间训练、夜间真机落地”的快速迭代。为解决高动态动作训练易失衡、难收敛的问题，ZEST搭载两套专属优化机制。一是难样本自适应采样，将长时序复杂动作拆分片段，重点针对失败场景高密度采样，精准攻克动作难点，避免算力无效浪费；二是渐进式辅助消融机制，训练初期施加虚拟辅助力稳住机身，随着熟练度提升逐步撤除辅助，大幅缩短收敛周期，10小时训练效果超越传统20小时训练水准。需要厘清的是，ZEST的“零样本”特指仿真到真机的零微调部署，并非无条件泛化新动作，现阶段仍需为每个技能独立训练策略。其核心定位是一套标准化、低成本、高效率的机器人技能生产线，适合持续迭代新增特技、场景化动作与定制化姿态，适配商用展示、场景作业等多元细分需求。

　　英伟达SONIC跳出“一动作一训练”的传统思维，将大模型的缩放定律完整迁移至机器人运动领域。通过超大算力、海量人体运动数据与大参数模型的三重堆叠，学习人类运动的通用物理规律、体态协调逻辑与动态平衡机制，形成统一的全身运动跟踪与控制策略。极强的泛化能力是其核心优势。在从未见过的动作品类中，SONIC仿真跟踪成功率可达99.6%；落地宇树G1真机后，123组多样化动作序列测试成功率达99.2%。不同于ZEST针对性习得单一技能，SONIC通过全域预训练，让机器人拥有了适配未知动作的“身体直觉”，无需二次训练即可兼容绝大多数人体运动姿态。同时，SONIC搭建了多模态通用运动接口，可承接视频人体跟随、VR遥操作、文本指令、音乐驱动等各类上层输入，统一转化为流畅稳定的全身运动。搭配英伟达VLA视觉语言动作模型，机器人可完成复杂复合任务，实现取物、开盖、投放、平衡行走等多动作联动，五类移动操作任务平均成功率达75%，打通了“感知决策—运动执行”的完整链路。在整体架构中，SONIC精准承担执行层角色，不干预上层任务规划，只为各类AI智能体、视觉模型提供稳定、通用、可复用的身体控制能力，是通用人形机器人适配全场景自主作业的核心底座。

　　从产业落地角度，ZEST与SONIC不存在替代关系，而是分别适配短期落地与长期终局的互补方案，对应行业两类核心需求。ZEST轻量化路线，更适配垂直场景与定制化需求。对于需要持续新增特色动作、快速迭代技能库的商用机器人、场景作业机器人而言，低成本、短周期的技能量产模式性价比极高，能够快速补齐设备动作能力，适配多元化落地场景。SONIC大模型路线，瞄准通用人形机器人终极形态。未来通用机器人需要面对未知动态环境、承接多模态复杂指令，固定技能库无法满足需求，只有全域预训练的通用运动底座，才能支撑无边界的动作泛化与自主适配，是头部企业冲刺通用具身智能的核心壁垒。目前两条路线已显现融合趋势。ZEST开始探索多技能融合训练，打破单技能局限；SONIC持续优化算力效率、降低部署成本，兼顾泛化能力与落地性价比。

　　两篇顶刊论文的同台发布，标志着人形机器人彻底告别人工调参的粗放发展阶段。行业形成了清晰的双线进化路径：一条依托精巧算法，以极致工程效率量产专属技能；一条依托超级算力，以全域数据训练通用身体。未来，人形机器人的能力竞争，将是通用底座泛化能力与长尾技能迭代效率的双重竞争。暴力算力与精巧设计的互补融合，终将推动机器人身体智能趋近人类水平，加速通用具身智能的规模化落地。