BifrostUMI: Bridging Robot-Free Demonstrations and Humanoid Whole-Body Manipulation
Beijing Academy of Artificial Intelligence（北京人工智能研究院）
研究针对人形机器人全身技能学习数据收集难题，提出无机器人框架BifrostUMI，利用轻量级VR设备和特制夹具收集数据，训练高级策略预测关键点，经实验验证其对可转移人形机器人全身技能学习的有效性。
2026-07-09 cs.RO
HumanoidUMI: Bridging Robot-Free Demonstrations and Humanoid Whole-Body Manipulation
Beijing Academy of Artificial Intelligence（北京人工智能研究院）
提出HumanoidUMI，一种便携无机器人的框架，利用VR设备和UMI夹爪收集人类关键点轨迹、腕部观察和夹爪动作，训练高层策略预测未来关键点并映射到机器人全身参考，实现人形全身技能学习。
2026-07-08 cs.RO
HoMMI: Learning Whole-Body Mobile Manipulation from Human Demonstrations
Stanford University（斯坦福大学）；Toyota Research Institute（丰田研究院）
本文提出HoMMI框架，通过人类示范直接学习全身移动操作，结合眼动感知增强数据收集能力，解决人机体感知差距问题，实现长周期移动操作任务。
2026-05-14 cs.RO
Understanding Whole-Body Robot Teleoperation Strategies Under Diverse Task Objectives and Constraints
New Jersey Institute of Technology（新泽西理工学院）；Johns Hopkins University（约翰霍普金斯大学）
本研究通过用户实验，探索了在时间与精度约束下全身遥操作的控制策略，提出混合控制框架，发现协调控制能提升效率并降低关节极限风险。
2026-09-14 cs.RO
Real-time Whole-body Obstacle Avoidance for 7-DOF Redundant Manipulators
UBTECH Robotics, Inc.（优必选机器人公司）
冗余度机器人的实时的【形】全身避障一直没有得到很好的实现，主要原因是计算量大。提出了一种冗余度机械臂在执行任务过程中，能够保证其全身实时的【形】避开运动障碍物的方法。机械手分为末端执行器和非末端执行器部分。基于动力系统理论，实现了机器人末端实时的【形】避障。此外，末端执行器可以达到给定的目标。采用零空间速度控制，实现了机器人的实时的【形】无端部障碍物避障。最后，设计了一个控制器，以确保全身避障。通过对UBTECH人形机器人的7自由度手臂的仿真和实验，验证了该方法的有效性。
2020-12-29 cs.RO
WARP: Whole-Body Retargeting for Learning from Offline Human Demonstrations
提出WARP离线管线，通过闭式肩-肘-腕几何求解器精确跟踪末端执行器并保持全身结构意图，实现从人类演示到机器人动作的零样本全身移动操作。
2026-08-20 cs.RO
Hierarchical Learning Framework for Whole-Body Model Predictive Control of a Real Humanoid Robot
ATR Computational Neuroscience Laboratories（ATR计算神经科学实验室）；NTT Communication Science Laboratories, Nippon Telegraph and Telephone Co.（日本电报电话公司NTT通信科学实验室）；Graduate School of Informatics, Kyoto University（京都大学情报学研究科）
针对人形机器人全身MPC的仿真现实差距与高计算量问题，提出三层分层学习框架，通过上层残差增广动力学模型、中下层高频策略实现多样运动生成，经10种场景验证可在真实机器人上有效落地。
2024-09-13 cs.RO
Approximate Simulation for Template-Based Whole-Body Control
University of Notre Dame（圣母大学）
降阶模板模型被广泛用于控制高自由度的足式机器人，但现有的基于模板的全身控制方法严重依赖于数学模型，并且经常遭受鲁棒性问题。在这封信中，我们提出了一个基于模板的全身控制方法接地近似模拟的正式框架。我们的主要贡献是演示如何利用刚体动力学的哈密顿结构来建立高维非线性系统的近似模拟。所得到的控制器是被动的，比标准的基于QP的方法更鲁棒的推动干扰，不平坦的地形和建模误差，并自然地实现高质心行走。我们的理论研究结果与30度的自由瓦尔基里人形模型的仿真实验支持。
2020-12-22 cs.RO
Whole-Body Impedance Coordinative Control of Wheel-Legged Robot on Uncertain Terrain
Tencent Robotics X（腾讯Robotics X实验室）；Arizona State University（亚利桑那州立大学）
本文提出一种轮腿人形机器人全身阻抗协调控制框架，采用变阻尼阻抗控制器与全身控制优化的双层策略，集成实时地形估计和无模型摩擦补偿，在复杂地形下保持上半身稳定并成功完成运水任务。
2024-11-15 cs.RO
LAC: Linear and Angular Compliance for Humanoid Whole-body Control
Tohoku University（东北大学）
针对人形机器人交互控制的刚度局限问题，提出LAC全身控制器，经数据集合成、师生强化学习训练及仿真与实验验证，可实现上半身线性与角刚度控制，适用于遥操作运动操作任务。
2026-08-27 cs.RO
HumanoidArena: Benchmarking Egocentric Hierarchical Whole-body Learning
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Beijing University of Technology（北京工业大学）；Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；Shenzhen MSU-BIT University（深圳北理莫斯科大学）；JD Explore Academy（京东探索研究院）
提出HumanoidArena基准，通过层级控制（高层策略输出全身动作，低层通用运动跟踪器执行）解决人形机器人全身交互学习问题，设计7个腿部关键任务评估策略的泛化与迁移能力。
2026-06-17 cs.RO
A Collision-Free MPC for Whole-Body Dynamic Locomotion and Manipulation
ETH Zurich（苏黎世联邦理工学院）；NVIDIA（英伟达）
在本文中，我们提出了一个实时的全身规划器的碰撞无腿移动操作。我们执行自碰撞和环境碰撞避免软约束内的模型预测控制（MPC）计划，解决了多接触最优控制问题。通过惩罚一组代表性的原始碰撞体之间的有符号距离，机器人能够安全地执行各种动态机动，同时防止任何自碰撞。此外，在静态和动态环境中的无碰撞导航和操纵是可行的，通过有效的查询的距离和梯度，通过一个欧几里德签署的距离场。我们通过比较研究表明，我们的方法只是稍微增加了计算复杂性的MPC规划。最后，我们验证了我们的框架的有效性，通过一组硬件实验，涉及动态移动操作任务与潜在的碰撞，如运动平衡与摆动臂，重量投掷，和自主开门。
2022-02-24 cs.RO
NEXUS: Perceptive Whole-Body Control for Terrain-Adaptive Teleoperation
The Institute of Artificial Intelligence, China Telecom (TeleAI)（中国电信人工智能研究院（TeleAI））；Shanghai Jiao Tong University（上海交通大学）；The University of Hong Kong（香港大学）；Zhejiang University（浙江大学）
NEXUS提出一种结合人类动作指令与机载感知反馈的全身控制框架，通过可扩展算法生成近千小时配对动作数据并训练教师-学生控制器，实现跨地形遥操作，在基准测试和真实部署中优于现有方法。
2026-10-01 cs.RO
BiConMP: A Nonlinear Model Predictive Control Framework for Whole Body Motion Planning
Tandon School of Engineering, New York University（纽约大学坦登工程学院）；Max-Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；Oxford Robotics Institute, University of Oxford（牛津大学牛津机器人研究所）
足式机器人的全身运动规划是具有挑战性的，由于在机器人动力学固有的非线性。在这项工作中，我们提出了一个非线性MPC框架，BiConMP，它可以有效地利用机器人动力学的结构在线生成全身轨迹。BiConMP用于在真实的四足机器人上生成各种循环步态，并在不同地形上评估其性能，对抗不可预见的推动并在不同步态之间在线过渡。此外，能力的BiConMP产生非平凡的非循环的全身动态运动的机器人。同样的方法也被用来产生各种动态运动的MPC上的人形机器人（Talos）和另一个四足机器人（AnYmal）的仿真。最后，一个广泛的实证分析的影响，规划水平和频率的非线性MPC框架的报告和讨论。
2022-09-15 cs.RO
WoLF: the Whole-body Locomotion Framework for Quadruped Robots
Istituto Italiano di Tecnologia（意大利理工学院）；Università di Trento（特伦托大学）；PAL Robotics（PAL机器人公司）
全身运动框架（WoLF）是一个端到端的软件套件，专门用于四足机器人的本地操作。WoLF将四足机器人硬件的规划和控制的复杂性抽象为一个简单易用且强大的软件，该软件可以通过多个远程操作设备连接到不同的四足机器人模型。此外，WoLF允许与四足平台一起控制安装的设备，例如手臂或云台相机。在这篇简短的论文中，我们介绍了WoLF的主要功能及其整体软件架构。
2022-05-13 cs.RO
Whole-Body Human Kinematics Estimation using Dynamical Inverse Kinematics and Contact-Aided Lie Group Kalman Filter
Italian Institute of Technology（意大利理工学院）；University of Genoa（热那亚大学）；University of Manchester（曼彻斯特大学）
在没有位置传感器的情况下，通过可穿戴感测技术对人的全身运动估计是具有挑战性的。本文致力于开发一种基于模型的全身运动学估计算法，使用可穿戴分布式惯性和力-力矩传感。这是通过扩展现有的动态优化为基础的逆运动学（IK）的联合状态估计的方法，级联，包括一个中心的压力为基础的接触检测器和接触辅助卡尔曼滤波器上的李群的浮动基础姿势估计。所提出的方法进行了测试，在一个实验场景中，一个人配备了传感器的西装和鞋进行步行运动。所提出的方法被证明，以获得一个可靠的重建的全身人体运动。
2022-05-16 cs.RO
Humanoid Self-Collision Avoidance Using Whole-Body Control with Control Barrier Functions
Massachusetts Institute of Technology（麻省理工学院）
这项工作结合了控制障碍功能（CBF）与全身控制器，使自我碰撞避免麻省理工学院的人形。现有的反应控制器的自碰撞避免不能保证无碰撞的轨迹，因为它们不利用机器人的全部动力学，从而损害运动学的可行性。相比之下，所提出的CBF-WBC控制器可以实时推理机器人的欠驱动动力学，以保证无碰撞运动。仿真结果验证了该方法的有效性。首先，一个简单的伸手实验表明，CBF-WBC使机器人的手偏离一个不可行的参考轨迹，以避免自碰撞。第二，CBF-WBC与设计用于动态运动的线性模型预测控制器（LMPC）相结合，并且CBF-WBC用于跟踪LMPC预测。步行实验表明，添加CBF避免腿部自碰撞时，由高层次的规划器提供的脚步位置或摆动轨迹是不可行的真实机器人，并产生可行的手臂运动，提高干扰恢复。
2022-11-06 cs.RO
Robo-centric ESDF: A Fast and Accurate Whole-body Collision Evaluation Tool for Any-shape Robotic Planning
Zhejiang University（浙江大学）；Huzhou Institute of Zhejiang University（浙江大学湖州研究院）
针对任意形状移动机器人快速且精确的全身碰撞评估难题，提出在机器人本体坐标系预建的RC-ESDF方法，通过惰性评估保留最少安全信息并基于解析梯度联合优化位姿，显著加速轨迹优化，经实验验证具备可靠性与泛化能力。
2023-06-28 cs.RO
A Study of Shared-Control with Force Feedback for Obstacle Avoidance in Whole-body Telelocomotion of a Wheeled Humanoid
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
远程操作已经成为完全自主系统的替代解决方案，用于在类人机器人上实现人类水平的能力。具体来说，具有全身控制的遥操作是一种很有前途的免提策略来命令类人机器人，但需要更多的体力和脑力。为了缓解这一限制，研究人员提出了共享控制方法，将机器人决策纳入其中，以帮助人类完成低级任务，进一步减少操作工作量。然而，共享控制方法的轮式人形telelocomotion在全身水平上还有待探索。在这项工作中，我们研究了全身反馈如何影响不同的共享控制方法在不同环境中避障的性能。提出了一种基于时间导数的S形函数（TDSF），以产生更直观的障碍物力反馈。进行了全面的人体实验，结果得出结论，力反馈增强了在陌生环境中的全身远程运动性能，但可能会降低在熟悉环境中的性能。通过触觉传达机器人的意图显示了进一步的改进，因为操作员可以利用力反馈进行短距离规划，并利用视觉反馈进行长距离规划。
2022-09-12 cs.RO
Robust Whole-Body Motion Control of Legged Robots
ETH Zürich（苏黎世联邦理工学院）
我们介绍了一种鲁棒控制体系结构的全身运动控制的力矩控制机器人的手臂和腿。该方法是基于接触力的鲁棒控制，以跟踪计划的质心轨迹。它的吸引力在于能够保证鲁棒的稳定性和性能，尽管刚体模型不匹配，致动器动态，延迟，接触面刚度，和未观察到的地面轮廓。此外，我们引入了一个任务空间分解方法，消除了接触力控制器和其他非接触控制器之间的耦合效应。最后，我们验证了我们的控制性能的四足机器人和比较其性能的标准逆动力学方法的硬件。
2017-03-07 cs.RO
SMASH: Mastering Scalable Whole-Body Skills for Humanoid Ping-Pong with Egocentric Vision
The University of Hong Kong（香港大学）；Kinetix AI
本文提出SMASH系统，通过整合可扩展的全身技能学习与 onboard 装置视觉感知，实现无需外部摄像头的敏捷人形乒乓球任务，提升了全身协调与击球动作的多样性和鲁棒性。
2026-04-01 cs.RO
LangWBC: Language-directed Humanoid Whole-Body Control via End-to-end Learning
University of California, Berkeley（加州大学伯克利分校）
本文提出LangWBC，一种端到端语言导向的人形机器人全身控制策略，结合强化学习与策略蒸馏，并引入CVAE结构，实现基于语言输入的敏捷多功能全身运动，在仿真与真实世界中均表现出鲁棒的控制与泛化能力。
2025-04-30 cs.RO
Computationally-Robust and Efficient Prioritized Whole-Body Controller with Contact Constraints
University of Texas at Austin（得克萨斯大学奥斯汀分校）
在本文中，我们设计的多目标控制方法的人形机器人，又名。优先级的全身控制器，在算法计算中实现效率和鲁棒性。我们使用一种全身控制器，通过结合质心动量动力学、操作任务优先级、接触反作用力和内力约束，这种控制器非常通用。首先，我们通过求解只涉及浮基动力学和反作用力的二次规划来实现效率。其次，我们实现计算的鲁棒性放松任务加速度，使他们遵守摩擦锥约束。最后，我们将平滑的接触过渡的方法，以提高动态运动行为的控制。所提出的方法都证明了在模拟和实际实验中使用被动踝关节双足机器人。
2018-07-03 cs.RO
CWI: Composite Humanoid Whole-Body Imitation System for Loco-manipulation
LimX Dynamics；The University of Hong Kong（香港大学）；School of Automation and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学自动化与智能制造学院）；Hong Kong University of Science and Technology（香港科技大学）；ZJU-UIUC Institute, Zhejiang University（浙江大学伊利诺伊大学厄巴纳香槟校区联合学院）
提出CWI框架，通过解耦上下半身动作捕捉数据，结合对抗性运动先验和多评论家架构，实现人形机器人稳定移动与灵巧操作的全身协调控制。
2026-06-29 cs.RO
BAT: Balancing Agility and Stability via Online Policy Switching for Long-Horizon Whole-Body Humanoid Control
Georgia Institute of Technology（佐治亚理工学院）；Samsung Research（三星研究院）
本文提出BAT框架，通过在线策略切换平衡敏捷性与稳定性，实现长周期全身人形控制，实验表明其在多样任务中优于现有方法。
2026-10-07 cs.RO
Real-Time Whole-Body Teleoperation of a Humanoid Robot Using IMU-Based Motion Capture with Sim2Sim and Sim2Real Validation
WeGo Robotics（WeGo机器人）
本文提出一个实时全身体操系统，通过Virdyn IMU捕捉人类动作并映射到Unitree G1机器人，实现sim2sim和sim2real验证，展示稳定同步的多样化动作表现。
2026-05-12 cs.RO
HumanoidExo: Scalable Whole-Body Humanoid Manipulation via Wearable Exoskeleton
National University of Defense Technology（国防科技大学）；Midea Group（美的集团）
本文提出 HumanoidExo 可穿戴外骨骼系统，将人类动作高效转化为全身人形机器人数据，以低成本缓解真实数据稀缺，并验证其在复杂操作、少样本控制和行走技能学习中的泛化能力。
2025-10-03 cs.RO
HOTICE: Whole-Body Humanoid Object Transportation in Cluttered Environments
University of Southern California（南加州大学）
HOTICE提出全身人形学习框架，通过解耦势场和双智能体强化学习，结合专家到通才蒸馏，实现杂乱环境中物体的鲁棒运输与避碰。
2026-09-23 cs.RO
PhysiFlow: Physics-Aware Humanoid Whole-Body VLA via Multi-Brain Latent Flow Matching and Robust Tracking
department of Automation Engineering, Shanghai Jiao Tong University（自动化工程系，上海交通大学）；Department of Automation, Key Laboratory of System Control and Information Processing of Ministry of Education, Key Laboratory of Marine Intelligent Equipment and System of Ministry of Education, Shanghai Engineering Research Center of Intelligent Control and Management, Shanghai Jiao Tong University（自动化系，教育部系统控制与信息处理重点实验室，教育部海洋智能设备与系统重点实验室，智能控制与管理上海工程研究中心，上海交通大学）
PhysiFlow通过多脑潜在流匹配和鲁棒跟踪，实现了物理感知的人形机器人全身控制的VLA融合，提升了动态肢体协调任务的稳定性与效率。
2026-03-05 cs.RO
State Estimation and Environment Recognition for Articulated Structures via Proximity Sensors Distributed over the Whole Body
Kyushu University（九州大学）
本文针对全身接触环境的低刚度机器人，提出利用全身分布式接近传感器同时进行姿态估计与环境建图，并将离散时间模型扩展到空间方向，仿真验证可显著降低估计误差。
2024-09-19 cs.RO
Constrained Whole-Body Tracking for Humanoid Robots
Stanford University（斯坦福大学）；NVIDIA Research（NVIDIA研究）
提出 ConstrainedMimic 框架，结合操作空间控制与控制障碍函数，在强化学习跟踪策略中实现实时约束满足，用于人形机器人全身运动跟踪与遥操作。
2026-10-15 cs.RO
Learning Whole-Body Humanoid Locomotion via Motion Generation and Motion Tracking
Robotic Systems Lab, ETH Zuirch（苏黎世联邦理工学院机器人系统实验室）；Simon Fraser University（西蒙弗雷泽大学）；ETH AI Center, ETH Zurich（苏黎世联邦理工学院人工智能中心）；EPFL（苏黎世联邦理工学院）
本文提出结合参考动作学习与地形感知适应的全身体态人形运动框架，通过扩散模型预测地形感知参考动作，并利用强化学习训练全身体态追踪器，提升在不同地形上的适应能力。
2026-07-14 cs.RO
A Whole-Body Model Predictive Control Scheme Including External Contact Forces and CoM Height Variations
University of Tehran（德黑兰大学）；Max-Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
在本文中，我们提出了一种方法来产生各种全身运动的人形机器人。我们扩展了现有的模型预测控制（MPC）方法，用于在平坦的地形上行走，以计划与给定任务一致的质心（CoM）和外部接触力的垂直运动。优化问题由三个阶段组成，即：e. CoM垂直运动、关节角度和接触力规划。选择外部联系人（E。G.手与物体或环境的接触）以及到达和保持接触的适当时间都在算法内自动计算。所提出的算法受益于线性倒立摆模型（LIPM）的简单性，同时它克服了该模型的常见局限性，使我们能够通过外部接触产生各种全身运动。在人形机器人上进行的多接触场景下的几种全身动作的仿真和实验验证了该算法的有效性。
2018-10-24 cs.RO
OpenHLM: An Empirical Recipe for Whole-Body Humanoid Loco-Manipulation
Tsinghua University（清华大学）；Shanghai Qi Zhi Institute（上海期智研究院）；Spirit AI
提出OpenHLM，通过全身遥操作、VLA模型设计和异构协同训练三阶段实验，构建直接映射语言和像素到人形机器人全部自由度的原生视觉-语言-动作模型，在长时域任务中优于现有基线。
2026-11-03 cs.RO
Whole-Body Semantic-to-Actuation Grounding of Elephant-Inspired Soft-Trunk Motion via Lightweight Flow Matching
针对近距离人机交互中类似躯干机器人关联开放词汇响应难的问题，提出基于轻量级流匹配的全身语义到驱动基础框架，将多模态大语言模型响应转换为元组，参数化轨迹并采样运动，实验显示其提升关联正确性、减少推理时间，还提升了人机交互满意度。
2026-07-14 cs.RO
DSPv2: Improved Dense Policy for Effective and Generalizable Whole-body Mobile Manipulation
The University of Hong Kong（香港大学）；Astribot；Xidian University（西安电子科技大学）；Tsinghua University（清华大学）
DSPv2通过融合3D空间与多视角2D语义特征，并扩展密集策略范式，实现了全身移动操作的有效学习与泛化，性能显著优于现有方法。
2025-09-26 cs.RO
Real-Time Whole-Body Control of Legged Robots with Model-Predictive Path Integral Control
Carnegie Mellon University（卡内基梅隆大学）；Robotics Institute（机器人研究所）
针对足式机器人全身运动与操作策略实时生成问题，提出利用MuJoCo仿真器并行采样的模型预测路径积分控制方法，实现鲁棒行走、越障、推箱等任务，首次完成该类全身采样MPC在真实足式机器人硬件的部署。
2024-09-16 cs.RO
Whole-Body Control of a Mobile Manipulator for Passive Collaborative Transportation
University of Modena and Reggio Emilia（摩德纳-雷焦艾米利亚大学）
人-机器人协作任务预见了人类和机器人之间具有不同程度复杂性的交互。具体而言，对于涉及代理之间的物理接触的任务，在这种交互的建模和控制中出现了挑战。在本文中，我们提出了一个控制架构，能够确保灵活和鲁棒稳定的物理人机交互，专注于协同运输任务。该架构部署到移动机械手，建模为一个整体结构，这有助于操作员在运输笨重的负载。由于无源性技术，控制器在线调整其相互作用参数，同时保持整个系统的鲁棒稳定性，从而实验验证的架构。
2022-11-24 cs.RO
Whole-Body Control with (Self) Collision Avoidance using Vector Field Inequalities
Federal University of Minas Gerais (UFMG)（米纳斯吉拉斯联邦大学）
这项工作使用矢量场不等式（VFI），以防止机器人的自碰撞和碰撞的工作空间。与以前的方法不同，该方法适用于速度和扭矩驱动的机器人。我们提出了一个新的距离函数及其相应的雅可比矩阵，以产生一个VFI来限制两个Plücker线之间的角度。这种新的VFI用于防止不期望的末端执行器方向和违反关节限制。所提出的方法进行评估，在一个现实的模拟和一个真正的人形机器人，显示所有的约束，而机器人执行操作任务。
2019-08-01 cs.RO
Light-Loco-Parkour: Versatile Perceptive Whole-Body Locomotion via Multi-Skill Distillation
Light Origins
该研究提出 Light-Loco-Parkour 系统，通过多技能蒸馏构建端到端感知全身运动策略，实现人形机器人在复杂地形的自主运动，且可零样本迁移至真实硬件。
2026-08-05 cs.RO
Whole-Body Geometric Retargeting for Humanoid Robots
Istituto Italiano di Tecnologia（意大利理工学院）；University of Genova（热那亚大学）；The University of Manchester（曼彻斯特大学）
人形机器人遥操作允许人类将他们的认知能力与设备相结合，以执行需要高强度、机动性和灵活性的任务。本文提出了一个框架，用于遥操作的人形机器人使用一种新的方法，通过逆运动学的机器人模型的运动重定向。所提出的方法增强了重定向的可扩展性，即，它允许由不同的人类用户远程操作不同的机器人，而对所提出的系统的改变最小。我们的框架，使人类操作员和人形机器人之间的配置空间级别的直观和自然的互动。我们验证了我们的方法，展示全身重定向与多个机器人模型。此外，我们提出了实验验证，通过遥操作实验，使用两个国家的最先进的全身控制器的人形机器人。
2019-09-22 cs.RO
Whole-body MPC and sensitivity analysis of a real time foot step sequencer for a biped robot Bolt
LAAS-CNRS（法国国家科学研究中心自动化与系统分析实验室）；Université de Toulouse（图卢兹大学）；Artificial and Natural Intelligence Toulouse Institute（图卢兹人工与自然智能研究所）
针对双足机器人 Bolt，本文提出全身 MPC 与实时步序器协同控制框架，并通过仿真验证速度跟踪及扰动恢复能力，同时给出步序问题的理论灵敏度分析。
2024-12-02 cs.RO
The Surprising Effectiveness of Linear Models for Whole-Body Model-Predictive Control
Carnegie Mellon University（卡内基梅隆大学）；Florida Institute for Human and Machine Cognition（佛罗里达人类与机器认知研究所）
本文提出用线性时不变近似替代全身体非线性动力学，使模型预测控制器无需在线非线性计算即可在四足和液压人形机器人上实现行走、抗扰动与目标导航。
2025-09-22 cs.RO
Gated Residual Body-Hand Coordination for Whole-Body Humanoid Teleoperation
Technical University of Munich（慕尼黑工业大学）；Agile Robots SE
针对全身人形遥操作中身体与手部命令不协调的问题，提出门控残差协调框架，通过有界修正减少手腕和指尖几何误差39.2%-56.3%，并保持全身跟踪性能。
2026-09-17 cs.RO
Whole-body MPC for highly redundant legged manipulators: experimental evaluation with a 37 DoF dual-arm quadruped
Italian Institute of Technology（意大利理工学院）；University of Genoa（热那亚大学）
本文提出一种全身MPC框架，在37自由度双臂四足机器人上实现实时控制，无需底层全身控制器，并通过拾取重物和动态小跑实验验证了其有效性与重规划潜力。
2023-10-25 cs.RO
An Efficient Representation of Whole-body Model Predictive Control for Online Compliant Dual-arm Mobile Manipulation
School of Informatics, The University of Edinburgh（爱丁堡大学信息学院）；The Alan Turing Institute（艾伦·图灵研究所）
针对双臂移动机械臂在线全身运动规划的约束难题，提出基于贝塞尔曲线参数化的双层MPC高效轨迹表示方法，提升高维空间在线执行效率与鲁棒性。
2024-10-30 cs.RO
RoboReact: Agentic Skill Distillation from Generated Egocentric Videos for Generalizable Whole-Body Manipulation
本研究提出RoboReact框架，通过生成自我中心视频并结合视觉语言引导的闭环控制，实现人形机器人全身操控技能的通用获取，可在多样场景中稳健执行。
2026-08-06 cs.RO
RoboSpan: Learning Modular Coordination Policies for High-DoF Whole-Body Mobile Manipulation with Teleoperation
Jiangnan University（江南大学）；Linkerbot Beijing Technology Co., Ltd.（北京灵犀机器人科技有限公司）
本文提出 RoboSpan 平台及 HMF 框架，通过解耦动作空间、引入 COMET 与分层任务分解等方法，使 29 自由度全身移动操作任务成功率超主流基线 20%，提升了接触操作的稳定性与鲁棒性。
2026-10-15 cs.RO
Optimisation of Body-ground Contact for Augmenting Whole-Body Loco-manipulation of Quadruped Robots
University of Edinburgh（爱丁堡大学）
足式机器人具有很大的潜力来执行本地操作任务，但它是具有挑战性的，以保持平衡的机器人，而它与环境的互动。在本文中，我们研究了使用额外的接触点，最大限度地提高鲁棒性的本地操作运动。具体而言，身体-地面接触的研究，以提高四足机器人的鲁棒性和操作能力。我们建议为机器人配备尖头：刚性连接到身体的小腿，以确保身体与地面的接触发生在可控的点接触。这些尖头对鲁棒性的影响通过计算最小不可拒绝力（SUF）来量化，SUF是与可行扳手多边形相关的鲁棒性度量。我们应用SUF评估系统的鲁棒性，并提出了一个有效的近似SUF，可以计算在近实时的速度。我们设计了一个基于分层二次规划的全身控制器，当尖头与地面接触时，控制稳定的相互作用。这种使用尖头的新概念和由此产生的控制框架都在硬件上实现，以验证增强的鲁棒性和新启用的本地操作任务的有效性，例如障碍物清除和大型物体的操作。
2020-02-24 cs.RO
RoboDuet: Learning a Cooperative Policy for Whole-body Legged Loco-Manipulation
Tsinghua University（清华大学）；University of San Diego（圣地亚哥大学）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院）；Shanghai Qi Zhi Institute（上海期智研究院）；Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院）；Jianghuai Advance Technology Center（江淮先进技术中心）
针对四足机械臂机器人全身移动操作需协调所有自由度的难题，提出双协作策略框架RoboDuet，实现大范围6D位姿跟踪与跨相似机器人零样本迁移，较基线成功率提升23%并开源相关资源。
2025-02-08 cs.RO
Simultaneous Action Recognition and Human Whole-Body Motion and Dynamics Prediction from Wearable Sensors
Istituto Italiano di Tecnologia（意大利技术研究院）；Inria（法国国家信息与自动化研究所）；Université de Lorraine（洛林大学）；CNRS（法国国家科学研究中心）
本文提出了一种新的方法，同时解决人体活动识别和全身运动和动力学预测的实时应用的问题。从人体运动的动力学和运动系统理论出发，来自深度学习的混合专家模型的概念已经扩展到解决这个问题。在所提出的方法中，专家被建模为序列到序列的递归神经网络（RNN）架构。实验结果表明，66自由度的真实世界中的人体运动预测和动作识别在不同的任务，如步行和旋转。与本文相关的代码可从以下网址获得：\url{github.com/ami-iit/paper_darvish_2022_humanoids_action-kindyn-predicition}
2023-03-14 cs.RO
A Whole-Body Disturbance Rejection Control Framework for Dynamic Motions in Legged Robots
School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（人工智能与自动化学院，华中科技大学）；Huazhong University of Science and Technology（华中科技大学）；State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology（智能制造装备及技术国家重点实验室，华中科技大学）
本文提出融合自适应控制与扩展状态观测器的全身抗扰动控制框架WB-DRC，通过仿真和四足机器人实验验证其在外部扰动与模型不确定性下的鲁棒性和稳定性。
2025-08-27 cs.RO
Exploring Kinodynamic Fabrics for Reactive Whole-Body Control of Underactuated Humanoid Robots
University of Michigan（密歇根大学）
针对双足人形机器人需同时执行多任务并实时响应干扰的需求，提出Kinodynamic Fabrics方法，通过受力谱半喷雾规范优先级任务并实时求解关节加速度，实验表明其在运行时间和反应性上优于现有基于二次规划的全身控制器，且已开源。
2023-08-23 cs.RO
WholeBodyWAM: Generalizing Pre-trained World-Action Priors to Humanoid Loco-Manipulation via WBC-Grounded Coordination
The Chinese University of Hong Kong（香港中文大学）；The University of Hong Kong（香港大学）；Peking University（北京大学）
WholeBodyWAM通过联合预测视觉动态、操作动作和全身控制意图，将预训练的世界-动作先验泛化到人形机器人全身操作，在仿真和真实实验中显著提升了任务成功率与泛化能力。
2026-09-16 cs.RO
