这篇论文由Simone Manni等七位作者完成，于2026年10月26日提交至arXiv，归类为机器人学（cs.RO），编号为arXiv:2610.36270v1。研究聚焦于一个长期困扰足式机器人领域的难题：如何让机器人在单一的长时程任务中连贯地完成蹲伏、抓取、行走等多种全身运动与操作动作。研究者指出，简单的拾取放置行为在现有技术中已相当成熟，但一旦扩展到步骤繁多、状态复杂的长时间任务，性能便会显著下降。
目前学界应对这一挑战的主流思路是依赖人类动作捕捉数据，并配套使用人形机器人平台。作者认为这种做法存在明显局限：它把算法与特定硬件形态绑定，牺牲了平台独立性，同时人类数据的采集、重定向与清洗也带来大量额外处理开销。为绕开这条路径，论文提出直接扩展近端策略优化（PPO），用单一策略在多种机器人硬件上学习多阶段任务，并把任务本身的阶段结构作为先验知识来塑造学习行为。
在方法层面，作者对PPO做了三处针对性改造。其一是“阶段条件化的评论家网络”（phase-conditioned critic），让价值估计能够感知当前所处的任务阶段；其二是“阶段门控奖励函数”（phase-gated reward functions），使不同阶段的奖励只在对应阶段生效，避免目标之间相互干扰；其三是“多阶段重置课程”（multi-phase reset curriculum），通过在训练中从不同阶段重新初始化来引导探索。三者结合，使策略能够在稀疏或分段的奖励信号下学会完整的长程行为链。
为适配不同形态的硬件，研究采用了解耦的分层控制架构：底层负责平衡与基础运动动力学，高层负责按阶段调度动作执行。这种分离让同一套高层阶段逻辑可以迁移到不同机器人本体上，而不必为每种平台重新设计底层控制。作者表示，该方法完全依靠与环境交互获得复杂的运动—操作技能，无需人类示范数据，同时把高层的任务结构直接嵌入策略学习过程。
实验部分，作者在真实硬件上验证了多阶段运动—操作技能，使用的平台包括宇树G1人形机器人和加装了机械臂的波士顿动力Spot四足机器人，覆盖了人形与四足两种差异明显的形态。论文还通过消融实验检验了上述各项设计选择的必要性。不过，摘要并未披露具体成功率、训练时长或与基线方法的定量对比，这些细节需查阅全文与实验章节才能确认。
从更广的意义看，这项工作提出了一个值得关注的思路：与其让机器人模仿人类动作，不如把任务的分阶段结构显式地写进强化学习的目标与探索机制中，从而在保持平台无关性的同时降低对昂贵示范数据的依赖。若该方法能进一步在更多任务与硬件上复现，将有助于推动长时程全身操作从实验室演示走向实际部署。该文目前为首次提交版本（v1），发表于2026年10月，后续可能还有修订。