箱体移动操作的分层规划与控制
Hierarchical Planning and Control for Box Loco-Manipulation
AI总结：
本文提出一种分层控制架构，结合规划器、扩散模型与深度强化学习，实现基于物理模拟的虚拟人类在杂乱环境中完成不同尺寸、重量和形状的箱体重排任务。
摘要：
人类通过结合移动与操作技能来完成日常任务。构建一个能够同时处理这两种技能的系统对于创建虚拟人类至关重要。我们提出了一个基于物理模拟的虚拟人类，能够解决箱体重排任务，该任务需要结合移动与操作两种技能。我们提出了一种分层控制架构，其中每一层在不同抽象层次上解决任务，最终得到一个基于物理的模拟虚拟人类，能够在杂乱环境中重排箱体。该控制架构集成了规划器、扩散模型以及基于深度强化学习的稀疏运动片段物理运动模仿。箱体在尺寸、重量、形状和放置高度上均可变化。我们提供了代码和训练好的控制策略。
英文摘要：
Humans perform everyday tasks using a combination of locomotion and manipulation skills. Building a system that can handle both skills is essential to creating virtual humans. We present a physically-simulated human capable of solving box rearrangement tasks, which requires a combination of both skills. We propose a hierarchical control architecture, where each level solves the task at a different level of abstraction, and the result is a physics-based simulated virtual human capable of rearranging boxes in a cluttered environment. The control architecture integrates a planner, diffusion models, and physics-based motion imitation of sparse motion clips using deep reinforcement learning. Boxes can vary in size, weight, shape, and placement height. Code and trained control policies are provided.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
