SceneBot 是研究团队提出的一套统一人形机器人运动跟踪框架，论文于 2026 年 6 月 25 日提交至 arXiv（编号 2606.27581v1），作者为 Sirui Chen 等共 6 人，全文 15 页、含 10 幅图，归属于机器人学（cs.RO）与人工智能（cs.AI）分类。研究动机来自当前人形机器人强化学习策略的一个明显短板：它们在自由空间中的运动表现已经相当出色，但一旦涉及与物体、地形的接触，纯运动学跟踪便无法消解交互过程中固有的物理歧义，导致接触密集任务难以稳定完成。
针对这一问题，SceneBot 的核心设计是在单一策略上同时以参考运动和逐连杆（per-link）接触标签作为条件输入。也就是说，系统不仅告诉机器人“身体该如何动”，还显式指定每个身体部位在何时应当与环境中哪类物体发生接触，从而为策略提供了关于预期环境交互的明确接口。这一条件化方式使得同一个策略能够覆盖自由空间行走、复杂地形穿越以及全身操作三类场景，而无需为每类任务单独训练控制器。
训练数据不足是此类方法的另一大障碍：真实场景中带接触标注的交互数据极为稀缺。为此，作者提出一种“事后场景重建”（hindsight scene reconstruction）方法，从经过重定向（retargeted）的人体运动数据中反推场景交互图，从而在没有人工标注的情况下生成接触密集的训练样本。最终，研究团队用约 7.5 小时的重建数据训练 SceneBot，并在未见过的运动模式和环境上验证了其泛化能力。
实验结果表明，SceneBot 是首个能够将自由空间行为与接触密集行为无缝统一起来的通用框架，可执行诸如“抱着箱子走上楼梯”这类复杂的长时程任务。作者据此提出，接触条件化（contact conditioning）可以成为人形机器人控制的一种强有力接口。论文同时承诺将开源全部代码与数据，项目主页为 https://ericcsr.github.io/scenebot/ ，其中提供了更多演示与信息。需要注意的是，以上结论均来自论文摘要与元数据层面，具体实验规模、基线对比和消融结果需参阅全文与项目页面。