人形机器人被设想在以人为中心的环境中执行广泛的任务，这要求机器人既能具备敏捷性，又能保持稳健的平衡能力。近来在运动控制与全身跟踪方面的进展，使得机器人在“敏捷的动态技能”或“对稳定性要求极高的行为”这两类能力上分别取得了令人印象深刻的进步，但现有方法仍然偏向专用化，很难兼顾，大多只能专注于其中一种能力，并牺牲另一种能力。

在本工作中，我们提出 AMS（Agility Meets Stability，敏捷与稳定融合）——首个在单一策略（single policy）中同时统一动态动作跟踪与极限平衡保持的框架。我们的核心观点是利用异构数据源：一类是提供丰富、敏捷行为的人体动作捕捉数据集；另一类是受物理约束的合成平衡动作，用于刻画稳定性相关的姿态/配置。为协调“敏捷”与“稳定”这两种分歧明显的优化目标，我们还设计了一种混合奖励机制：在所有数据上施加通用的跟踪目标，同时仅在合成动作上注入与平衡相关的先验。在以上研究的基础上，我们提出一种自适应学习策略，结合基于性能驱动的采样与针对不同动作的奖励塑形，使得在多样化动作分布上能够实现高效训练。

我们在仿真环境以及Unitree G1 人形机器人上对 AMS 进行了全面验证（仿真测试、真机测试）。实验结果表明，单一策略情况下，搭载AMS框架的机器人不仅能够执行如跳舞、跑步等敏捷技能，还能以 zero-shot（零样本）方式完成诸如“叶问蹲（Ip Man’s Squat）”这类极限平衡动作，这表明 AMS 作为一种面向未来人形机器人应用的通用型控制范式具有极大潜力。

(a)通用的全身动作跟踪流程会将人类 MoCap（动作捕捉）数据重定向为参考动作，并采用一种基于教学关系（teacher-student）的强化学习策略。为应对数据限制以及相互冲突的优化目标，AMS 引入了如下三个关键组件。 (b) 生成的合成平衡数据，将作为人类 MoCap（动作捕捉）数据的补充部分，解决数据源不足的问题。 (c) 采用自学习的方式：基于每个单独动作的表现，进行自适应采样与奖励塑造（reward shaping）。 (d) 混合奖励机制（Hybrid rewards）被设计为，对所有动作发放通用奖励，同时只针对合成动作引入平衡先验奖励。