LeCAR-Lab/BFM-Zero

BFM_Zero: A Promptable Behavioral Foundation Model for Humanoid Control Using Unsupervised Reinforcement Learning

BFM-Zero 是一个面向人形机器人控制的提示式行为基础模型，由 LeCAR Lab 团队开发。该项目通过无监督强化学习训练，使机器人能够根据文本或运动提示灵活执行多种复杂动作，无需为每个任务单独设计奖励函数。核心创新在于将行为建模为可提示的潜在空间，用户只需提供目标运动轨迹或任务描述，模型即可自动生成对应的控制策略。技术栈方面，项目基于 Python 3.10 开发，支持 Isaac Sim 和 MuJoCo 两种仿真环境，使用 Git LFS 管理运动数据，并通过 uv 工具管理依赖。训练流程采用并行环境采样和离策略学习，关键参数如环境数量、缓冲区大小、学习率等均可灵活配置。推理阶段提供三种模式：运动跟踪（复现给定轨迹）、目标到达（生成到达指定位置的动作）和奖励任务（基于奖励函数优化行为），所有模式均支持导出 ONNX 格式模型用于实际部署。BFM-Zero 主要解决了人形机器人控制中任务泛化性差、奖励工程繁琐的问题，适用于需要快速切换多种行为模式的场景，如家庭服务、工业巡检和科研实验。项目代码分阶段开源，目前已发布预训练权重、最小推理代码和完整训练流程，未来还将提供支持 RTX 4090 的轻量训练版本。