我們非常高興與大家分享一項令人振奮的最新研究成果，這項技術將大幅擴展 Unitree G1 在仿人機器人領域的應用潛力！

近日，加州大學聖地牙哥分校（University of California, San Diego, UCSD）的研究團隊發表了一項名為 Adaptive Motion Optimization（AMO） 的嶄新技術，並成功應用在 Unitree G1 仿人機器人上。這項創新為仿人機器人的運動控制與任務執行能力，開啟了嶄新的篇章。

🔬 什麼是 AMO 自適應運動優化？

AMO 是一個結合模擬到實體（Sim-to-Real）強化學習與軌跡優化（Trajectory Optimization）的全新控制框架，能讓仿人機器人在實際環境中即時適應複雜任務。

舉例來說，像是從地面撿起物品這類需要大範圍移動與高穩定性的任務，G1 在採用 AMO 後的表現大幅提升。

🌟 研究重點與突破亮點

🔹 混合資料集與穩健的泛化能力

研究團隊建立了一個「混合 AMO 資料集」，有效解決動作模仿強化學習中常見的資料偏移問題。這使得 G1 在面對非預期指令（Out-of-Distribution, O.O.D.）時，也能表現穩定、反應靈活。

🔹 強化穩定性與動作範圍

AMO 不僅提升了 G1 的動作穩定性，還擴展了其工作空間，可應對更多樣化的複雜場景，這對產線作業或服務型機器人應用極具價值。

🔹 支援自動化任務執行

透過模仿學習與策略優化，G1 可執行多種連續任務，達成自動化行為規劃與實作，提升整體任務完成效率與成功率。

🤖 對 Unitree G1 使用者代表什麼意義？

這項研究再次證明，Unitree G1 是一個具有高度可擴展性與未來性的仿人機器人平台。
無論是在製造業、物流業、醫療復健、還是學術研究，G1 在結合 AMO 技術後，都能勝任更多高挑戰性的任務。

📚 想了解更多？資源一覽：

📣 歡迎分享這項技術革新！

如果您是開發者、系統整合商、教育工作者，或是正在考慮將仿人機器人導入應用場景的企業，這是一個絕佳的切入點。

不妨將這則消息分享給您的團隊或客戶，一起探索 Unitree G1 與 AMO 框架如何共同定義仿人機器人的未來。

📬 如有任何合作或應用討論，歡迎聯繫我們！

可以到 官網 https://playrobot.com/也可以與
<公　司> 02-28805998  sales@playrobot.com 或各區服務專員聯絡