KING: Embodiment-Aware Kinematic Graph Neural Network for Unified Motion Representation of Legged and Wheeled Robots
KING 是一种基于图神经网络（GNN）的动力学模型，通过将机器人本体表示为统一图结构，显式纳入本体感知，实现轮式和腿式机器人的统一运动表示。该模型在多种本体数据集上训练，仅使用本体感受测量即可在真实环境中实现高精度里程计估计。
Development
- First ReportKING: Embodiment-Aware Kinematic Graph Neural Network for Unified Motion Representation of Legged and Wheeled RobotsarXiv cs.AI
- Current Assessment该研究可能推动机器人软件栈的模块化，使同一运动模型可部署于不同形态的机器人，降低开发成本。对于机器人操作系统（ROS）生态和仿真平台，这可能意味着更统一的运动控制接口。未来可关注是否有公司将其集成到商业机器人产品中。Agent Pulse · analysis
KING 提出了一种本体感知的图神经网络动力学模型，用于统一表示轮式和腿式机器人的运动。传统动力学模型在特征匮乏环境中提供可靠运动约束，但基于学习的模型通常针对单一本体训练，难以泛化到新本体，因为本体感受测量的含义和结构（如关节数量、地面接触元素）在不同本体间存在差异。KING 通过将机器人本体表示为通用图，统一了轮式和腿式动力学模型，使单一模型可同时适用于两类机器人。在涵盖多种本体的数据集上训练后，KING 在真实环境中实现了高精度里程计估计，且仅依赖本体感受测量。
KING 的核心创新在于用图结构统一不同本体的运动学表示，将关节和地面接触元素抽象为图的节点和边，从而让模型学习到与本体无关的运动规律。这暗示了机器人运动建模可能从本体专用转向本体无关的通用表示，未来可观察其是否扩展到更多本体类型（如飞行器、机械臂）以及是否能在未见本体上零样本泛化。
该研究可能推动机器人软件栈的模块化，使同一运动模型可部署于不同形态的机器人，降低开发成本。对于机器人操作系统（ROS）生态和仿真平台，这可能意味着更统一的运动控制接口。未来可关注是否有公司将其集成到商业机器人产品中。
对于机器人硬件和软件公司，KING 可能减少为不同机器人形态开发专属运动模型的需求，缩短产品开发周期。对于仿真和测试平台，统一模型可简化跨本体验证流程。但当前仍处于研究阶段，商业影响需待技术成熟和集成。
可验证的下一信号包括：KING 是否在更多本体（如四足、轮腿混合）上验证，是否开源代码和预训练模型，以及是否被主流机器人框架（如 ROS 2）采纳。若这些信号出现，将表明通用运动表示成为趋势。