波士顿动力为自家的Atlas人形机器人训练了一个全新的大型行为模型Large Behavior Models (LBMs)。

LBMs是一种端到端的、由语言指令驱动的策略模型，它能让 Atlas 完成需要长远规划的复杂操作任务。

策略模型能够充分利用人形机器人的独特优势，包括：迈步行走、精准落脚、弯腰下蹲、转移重心、避免自我碰撞等等。

研究发现，所有这些能力对于解决真实世界里的移动操作任务都至关重要。

这个策略模型，能将图像、本体感觉（proprioception）和语言提示等输入信息，转化为控制整个 Atlas 机器人以 30Hz 频率活动的动作指令。

研究人员采用了一种结合了流匹配损失（flow matching loss）的扩散型 Transformer（diffusion transformer）架构来训练模型。