CROSSBFM：一小时蒸馏多机器人行为空间

科技行者10月9日报道的论文提出CROSSBFM。行为基础模型能用同一潜变量向量表示“模仿动作”“走到姿势”“最大化奖励”等目标。

但训练一台机器人就消耗上百个GPU小时。换一台机器人重新训练出的第二套潜空间与第一套毫无关系，同一坐标点对应动作完全不同。

论文在两套坐标系统间架桥：冻结源机器人行为基础模型的潜空间，用统一编码器把重定向数据当作跨机器人对应关系，一小时内完成多机器人行为空间蒸馏，无需把整本书重新盲文化。

文章从潜空间为何不能直接迁移、统一编码器如何设计、策略训练与奖励优化如何跨机器人实现、泛化边界等角度展开。

重定向数据来自不同本体间的动作映射，成为对齐两个潜空间的正样本；编码器学习保留任务相关结构、过滤本体噪声。对齐后，源空间策略可在新机器人上少量微调部署。

实验显示一小时蒸馏，但依赖重定向对应质量，形态差异过大仍可能退化，奖励优化也需适配。通过复用冻结源空间，它减少每个新机器人从头训练的需求，指向更可扩展的行为基础模型。