Load-Aware Locomotion Control for Humanoid Robots in Industrial Transportation Tasks
本文提出一种负载感知的运动框架,通过解耦但协调的运动- manipulation架构,实现人形机器人在负载变化和上身运动下的稳定运动控制。
2026-03-15 cs.RO
Preference-Conditioned Multi-Objective RL for Integrated Command Tracking and Force Compliance in Humanoid Locomotion
Tsinghua University, Beijing 100084, China(清华大学,北京100084,中国);Beijing Jiaotong University, Beijing 100044, China(北京交通大学,北京100044,中国)
本文提出基于偏好的多目标强化学习框架,用于实现人形机器人在指令跟踪与力顺应性之间的平衡,通过用户指定偏好输入实现稳定训练和可部署的运动控制。
2026-03-06 cs.RO
H-Zero: Cross-Humanoid Locomotion Pretraining Enables Few-shot Novel Embodiment Transfer
ByteDance Seed(字节跳动种子)
H-Zero通过跨人形机器人预训练实现少样本新躯干转移,提升机器人运动控制的通用性和效率。
2025-11-30 cs.RO
Direct Centroidal Control for Balanced Humanoid Locomotion
University of Bonn(波恩大学)
提出了一种基于直接质心控制的人形机器人运动和平衡的综合方法。我们的方法使用人形物体的五质量描述。它产生全身运动所需的脚轨迹和质心参数的机器人。一组简化的模型被用来制定一般和直观的控制律,然后应用于实时估计和调节的质心位置和方向的多体的主轴惯性。建议的算法的组合产生一个伸展腿步态自然看上身运动。由于只需要一个6轴IMU和关节编码器,机器人之间的便携性很高。我们的方法已经使用igus类人开放平台进行了实验验证,展示了全身运动和推拒能力。
2022-08-09 cs.RO
Humanoid Loco-manipulation Planning based on Graph Search and Reachability Maps
CNRS-AIST JRL (Joint Robotics Laboratory)(CNRS-AIST联合机器人实验室);IRL(机器人研究所);National Institute of Advanced Industrial Science and Technology (AIST)(国家先进工业科学与技术研究院)
提出一种基于图搜索和可达性地图的人形机器人移动操作规划方法,将脚步与抓取的交替排序构建为图搜索问题,并通过重新定位和切换可达性地图快速评估转移模型,实现自主物体运输与操作。
2025-05-29 cs.RO
Whole-body Humanoid Robot Locomotion with Human Reference
PNDbotics
本文提出了一种基于对抗运动先验的模仿学习框架,应用于全尺寸人形机器人Adam,使其在复杂运动任务中达到与人类相当的性能,首次实现了人类运动数据在全尺寸人形机器人上的模仿学习。
2024-08-26 cs.RO
Learning natural locomotion behaviors for humanoid robots using human knowledge
本文提出了一种新的学习框架,该框架利用模仿学习、深度强化学习和控制理论的知识来实现类人机器人自然、动态和鲁棒的人类风格运动。我们提出了新的方法来引入人类偏见,即运动捕捉数据和一个特殊的多专家网络结构。我们使用多专家网络结构来平滑地混合行为特征,并对任务和模仿奖励使用增强奖励设计。我们的奖励设计是可组合的,可调的,并通过使用传统的人形控制的基本概念来解释。我们对学习框架进行了严格的验证和基准测试,该框架在各种测试场景中始终产生强大的运动行为。此外,我们证明了在存在干扰(如地形不规则和外部推动)的情况下学习鲁棒和通用策略的能力。
2021-02-11 cs.RO
Kinodynamics-based Pose Optimization for Humanoid Loco-manipulation
University of Southern California(南加州大学)
本文提出一种结合运动动力学位姿优化与MPC的仿人机器人推物控制方法,能快速规划最优位姿并协调受力,实现重载推动与强抗扰恢复。
2023-07-25 cs.RO
Task and Motion Planning for Humanoid Loco-manipulation
Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich (TUM), Germany(慕尼黑机器人与机器智能研究所(MIRMI)、慕尼黑技术大学(TUM))
本文提出了一种基于优化的任务与运动规划框架,通过共享接触模式实现人形机器人移动与操作的统一规划。
2025-08-16 cs.RO
RoMoCo: Robotic Motion Control Toolbox for Reduced-Order Model-Based Locomotion on Bipedal and Humanoid Robots
Department of Mechanical and Civil Engineering, California Institute of Technology(机械与土木工程系,加州理工学院)
RoMoCo是一个开源C++工具箱,通过统一的API集成降阶模型规划器与全身控制器,支持双足和仿人机器人快速原型与可复现基准测试,并在多种机器人上经仿真和硬件验证。
2025-09-23 cs.RO
Cybo-Waiter: A Physical Agentic Framework for Humanoid Whole-Body Locomotion-Manipulation
Cybo-Waiter提出了一种人形全身体态运动-操作的物理代理框架,通过多对象3D几何监督和条件诊断提升任务执行的鲁棒性与稳定性。
2026-03-11 cs.RO
State Estimation for Human Motion and Humanoid Locomotion
Istituto Italiano di Tecnologia(意大利理工学院);IRI CSIC-UPC(西班牙国家研究委员会-加泰罗尼亚理工大学机器人研究所);AIST(日本产业技术综合研究所);LAAS-CNRS(法国国家科学研究中心系统分析与架构实验室);DIBRIS-UNIGE(热那亚大学计算机、生物工程、机器人与系统工程系)
在未来,工业车间见证人类和机器人协同工作,家庭成为这两个代理人的共享空间并不遥远。科学界一直在加速实现这一未来,将他们在人机交互方面的研究工作扩展到人机协作。人形机器人的拟人化性质可能被认为是最适合在半结构化的、以人为中心的环境中进行这种协作的。用于人类代理的可穿戴传感技术和用于人形机器人的高效的人类感知控制策略将是实现无缝的人-人形协作的关键。这是可靠的状态估计策略变得至关重要的意义上的信息来自多个分布式传感器连接到人和那些在机器人上,以增强反馈控制器设计的人形机器人,以帮助他们的人类同行。在此背景下,本论文研究李群理论设计状态估计技术,旨在对人形运动和人体运动估计。[续]
2022-06-08 cs.RO
PHUMA: Physically Reliable Humanoid Locomotion Dataset
KAIST(韩国科学技术院)
本文提出PHUMA数据集,通过结合物理感知的筛选和物理约束的重定向,整合动作捕捉和网络视频,生成物理可靠的仿人运动数据,提升仿人运动的稳定性和泛化能力。
2026-10-14 cs.RO
GM-Loco: Terrain-Adaptive Humanoid Locomotion on Granular Media
Institute for Robotics and Intelligent Machines, Georgia Institute of Technology(佐治亚理工学院机器人与智能机器研究所);School of Physics, Georgia Institute of Technology(佐治亚理工学院物理学院);Northeastern University(东北大学)
针对颗粒地形上人形机器人运动难题,提出基于3D RFT的物理接触模型和教师-学生强化学习控制器,实现地形自适应,仿真和硬件实验验证了高成功率和零样本适应能力。
2026-09-16 cs.RO
Biomechanical Comparisons Reveal Divergence of Human and Humanoid Gaits
Zhejiang University(浙江大学);School of Engineering, Westlake University(西湖大学工程学院);Ningbo Institute of Materials Technology and Engineering, Chinese Academy of Sciences(中国科学院宁波材料技术与工程研究所)
本研究提出GDAF框架,通过比较人类与仿人步态的生物力学差异,揭示现代仿人控制器在步态对称性、能量分布和关节协调方面的系统性偏差,为提升仿人运动的生物力学保真度和节能性提供基准和工具。
2026-02-25 cs.RO
Learning Expressive Humanoid Locomotion from Monocular Runway Videos for Robot Fashion Shows
Vilnius University(维尔纽斯大学);Kent State University(肯特州立大学)
提出端到端框架,将单目跑道视频转化为可部署的人形机器人步态策略,使Booster K1在物理试验中稳定执行富有表现力的猫步动作。
2026-09-24 cs.RO
HiWET: Hierarchical World-Frame End-Effector Tracking for Long-Horizon Humanoid Loco-Manipulation
HiWET通过分层强化学习框架实现世界框架下的精确末端跟踪,结合运动学流形先验提升人形机器人长周期运动与操作的稳定性与精度。
2026-02-06 cs.RO
Learning Generic and Dynamic Locomotion of Humanoids Across Discrete Terrains
Manning College of Information and Computer Sciences at University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校曼宁信息与计算机科学学院)
本文提出一种结合RL训练的神经网络策略与MPC及WBIC控制器的仿人机器人运动架构,在离散地形上实现动态运动决策,显著减少训练样本需求并具备跨平台迁移能力。
2024-07-27 cs.RO
Sim-to-Real Learning for Humanoid Box Loco-Manipulation
Collaborative Robotics and Intelligent Systems Institute, Oregon State University(俄勒冈州立大学协作机器人与智能系统研究所)
本研究针对人形机器人箱子移动操作需全身协调并保持平衡的难题,提出仿真到现实的强化学习方法,为Digit机器人训练拾取搬运技能,整合系统实现多规格箱子的桌间转移,并验证了仿真到现实的成功迁移。
2023-10-04 cs.RO
HumanMimic: Learning Natural Locomotion and Transitions for Humanoid Robot via Wasserstein Adversarial Imitation
The University of Tokyo(东京大学);ETH Zürich(苏黎世联邦理工学院)
该研究提出HumanMimic Wasserstein对抗模仿学习系统,通过运动重定向、结合RL的对抗判别器与带软边界约束的Wasserstein-1距离,使人形机器人JAXON实现多种自然运动及无演示的模式间自然过渡。
2024-04-23 cs.RO
Dynamic Locomotion For Passive-Ankle Biped Robots And Humanoids Using Whole-Body Locomotion Control
University of Texas at Austin(德克萨斯大学奥斯汀分校);Stanford University(斯坦福大学)
全身控制是一种面向任务的反馈控制方法,用于人形机器人的局部操作行为。WBC和基于模型的步行控制器的组合已被广泛应用于各种人形机器人中。然而,到目前为止,WBC方法还没有被用于无支撑的被动踝关节动态运动。因此,在本文中,我们设计了一个新的WBC,被称为全身运动控制器(WBLC),可以实现实验动态行走无支撑被动踝关节机器人。WBLC的一个关键方面是接触约束的放松,使得控制命令在切换脚接触时产生减少的急动。为了实现强大的动态运动,我们进行了深入的分析,我们的动态步行算法称为时间速度反转(TVR)规划的不确定性。不确定性研究是基础,因为它使我们能够改进我们的机器人的控制算法和机械结构,以满足容忍的不确定性。此外,我们进行了大量的实验:1)无支撑的动态平衡(即原地踏步)与六自由度(DoF)的机器人,水星; 2)无支撑的方向行走与水星; 3)行走在不规则和光滑的地形与水星;和4)原地行走与我们新设计的十自由度粘弹性液体冷却机器人,DRACO。总体而言,这项工作的主要贡献是:a)实现被动踝两足动物使用WBLC控制器和TVR规划器的无支撑动态运动的各种模式,b)进行不确定性分析,以改善水星的机械结构和控制器,以及c)设计一个全身控制策略,减少行走过程中的运动抖动。
2019-01-23 cs.RO
VIRAL: Visual Sim-to-Real at Scale for Humanoid Loco-Manipulation
NVIDIA;CMU(卡内基梅隆大学);UC Berkeley(加州大学伯克利分校);CUHK(香港中文大学)
VIRAL通过大规模仿真训练并零样本部署,实现双足机器人在现实中的自主移动- manipulation能力,无需现实微调。
2025-11-27 cs.RO
FALCON: Learning Force-Adaptive Humanoid Loco-Manipulation
Carnegie Mellon University(卡内基梅隆大学);Field AI;Nissan USA(日产美国)
针对人形机器人力交互场景下全身移动操作控制难题,提出基于双智能体强化学习的FALCON框架,实现更高跟踪精度、更强鲁棒性与跨平台部署能力。
2025-11-16 cs.RO
X2-N: A Transformable Wheel-legged Humanoid Robot with Dual-mode Locomotion and Manipulation
Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology(香港理工大学电子与计算机工程系);X-lab Department, Agibot Innovation Company(阿吉博创新公司X实验室)
X2-N是一种具备双模运动与操作的高自由度可变形机器人,通过关节重构实现人形与轮腿形态的无缝转换,采用强化学习框架实现混合运动、转换与操作的统一控制。
2026-09-07 cs.RO
Morphology-Aware Human Motion Retargeting for Wheeled-Humanoid Loco-Manipulation
Harbin Institute of Technology(哈尔滨工业大学)
提出一种形态感知的流水线,将SMPLX人体运动重定向为轮式人形机器人R1 Pro的可执行移动操作行为,结合逆运动学与强化学习策略,实现从数据到物理跟踪的完整桥梁。
2026-11-19 cs.RO
MotionDisco: Motion Discovery for Extreme Humanoid Loco-Manipulation
Technical University of Munich, Germany(慕尼黑技术大学);New York University, USA(纽约大学);Carnegie Mellon University, USA(卡内基梅隆大学)
提出MotionDisco框架,通过大语言模型引导的进化搜索和顺序运动动力学轨迹优化,从零开始自动发现长时域、接触丰富的人形机器人移动操作技能,并在真实机器人上部署。
2026-06-04 cs.RO
Dynamic Locomotion Teleoperation of a Wheeled Humanoid Robot Reduced Model with a Whole-Body Human-Machine Interface
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Carnegie Mellon University(卡内基梅隆大学)
双边遥操作为人形机器人提供了人类规划智能,同时使人类能够感受到机器人的感受。它有可能将具有物理能力的人形机器人转变为动态智能机器人。然而,动态双边运动遥操作仍然是一个挑战,由于它涉及到复杂的动力学。这项工作提出了我们的第一步,以应对这一挑战,通过概念的轮式人形机器人运动的身体倾斜遥操作。具体来说,我们开发了一个力反馈功能的全身人机界面(HMI),并设计了力反馈映射和两个遥操作映射,映射人体的倾斜机器人的速度或加速度。我们比较了这两个映射,并通过实验研究了力反馈的效果,其中七个人类受试者遥操作一个模拟机器人与HMI执行动态目标跟踪任务。实验结果表明,所有被试在练习后都完成了两种映射的任务,并且力反馈提高了他们的成绩。然而,受试者表现出两种不同的遥操作风格,这得益于不同的力反馈。此外,力反馈影响了被试对遥操作映射的偏好,尽管大多数被试在速度映射方面表现更好。
2021-09-08 cs.RO
ADAPT: Analytical Disturbance-Aware Policy Training for Humanoid Locomotion
MARS Lab, Nanyang Technological University(南洋理工大学MARS实验室)
提出ADAPT框架,通过解析全身干扰观测器在线估计外力/力矩,无需传感器,提升人形机器人在干扰下的运动精度与鲁棒性。
2026-06-16 cs.RO
OASIS: From Simulation Data Collection to Real-World Humanoid Loco-Manipulation
Institute of Artificial Intelligence (TeleAI), China Telecom(中国电信人工智能研究院(TeleAI));Fudan University(复旦大学);East China University of Science and Technology(华东理工大学);Shanghai Jiao Tong University(上海交通大学)
提出OASIS框架,利用3D生成模型从真实图像重建物体资产,在仿真中收集并增强轨迹数据,训练层次化视觉运动策略,实现零样本部署下人形机器人移动操作,成功率优于真实遥操作数据。
2026-06-07 cs.RO
Toward Understanding Key Estimation in Learning Robust Humanoid Locomotion
Institute of Cyber-Systems and Control, Zhejiang University(浙江大学控制与智能系统研究所);State Key Laboratory of Industrial Control Technology(工业控制技术国家重点实验室)
该研究针对人形机器人运动学习中状态估计分析不足的问题,通过显著性分析识别关键估计变量并优化组合,经仿真与真实环境验证,所提策略可跨越sim-to-real差距且性能更优。
2024-03-09 cs.RO
ViLoMan: Learning Visual-Proprioceptive Whole-Body Loco-Manipulation Skills for Humanoid Robots
State Key Laboratory of AI Safety, Institute of Computing Technology, CAS(中国科学院计算技术研究所人工智能安全国家重点实验室);University of Chinese Academy of Sciences (CAS)(中国科学院大学);Beijing Academy of Artificial Intelligence (BAAI)(北京智源人工智能研究院)
ViLoMan提出可扩展框架,通过将人-物交互演示转为机器人轨迹并利用师生蒸馏学习统一策略,使Unitree G1人形机器人仅凭机载感知完成关门任务,实现稳健泛化与仿真到现实迁移。
2026-09-18 cs.RO
Learning Bipedal Locomotion on Gear-Driven Humanoid Robot Using Foot-Mounted IMUs
Sony Group Corporation(索尼集团公司);Sony Interactive Entertainment Inc.(索尼互动娱乐公司)
本文提出一种基于足部IMU的强化学习框架,结合对称数据增强和随机网络蒸馏,在无扭矩传感器的高减速比人形机器人上实现了复杂地形下的快速稳定双足运动,并通过EVAL-03硬件实验验证了其在非刚性表面和突发环境变化下的有效性。
2025-04-11 cs.RO
Scalable and General Whole-Body Control for Cross-Humanoid Locomotion
Tsinghua University(清华大学)
提出XHugWBC框架,通过形态随机化、语义对齐观测动作空间和有效策略架构,实现单次训练后跨多种人形机器人的零样本泛化控制。
2026-06-09 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
Hierarchical Reduced-Order Model Predictive Control for Robust Locomotion on Humanoid Robots
California Institute of Technology(加州理工学院)
针对人形机器人真实环境鲁棒行走需求,提出基于降阶模型的分层控制框架,结合ALIP步间动力学优化与扩展SRB-MPC,经Unitree G1实验验证,推力恢复率提升36%,可适应多种复杂地形。
2025-09-05 cs.RO
GuideWalk: Learning Unified Autonomous Navigation and Locomotion for Humanoid Robots across Versatile Terrains
Harbin Institute of Technology(哈尔滨工业大学);Leju Robotics(乐聚机器人)
提出GuideWalk框架,通过可通行性感知导航引导与地形自适应运动教师蒸馏,实现人形机器人在复杂地形上的稳定导航与运动协调。
2026-09-22 cs.RO
SplitAdapter: Load-Aware Humanoid Loco-Manipulation via Factorized Adaptation
Future Robot AI Group, Samsung Electronics(三星电子未来机器人人工智能组)
针对人形机器人在不同负载和高度下移动操作时负载变化与动力学不匹配的问题,提出SplitAdapter方法,通过冻结预训练策略并扩展负载与动力学感知编码器,结合分割世界模型目标、GRL交叉对抗正则化和分层特征线性调制,显著提升重载条件下的任务成功率。
2026-06-02 cs.RO
MotionWAM: Towards Foundation World Action Models for Real-Time Humanoid Loco-Manipulation
Mondo Robotics;HKUST (GZ)(香港科技大学(广州));HKUST(香港科技大学)
提出MotionWAM,一种实时世界动作模型,通过统一运动潜变量和全身动作令牌,实现单目相机驱动的自主人形机器人全身操作,在真实任务上成功率比VLA基线高30%以上。
2026-06-08 cs.RO
HALOMI: Learning Humanoid Loco-Manipulation with Active Perception from Human Demonstrations
Shanghai Jiao Tong University(上海交通大学);University of Sussex(萨塞克斯大学);East China University of Science and Technology(华东理工大学)
提出HALOMI框架,通过扩展通用操控接口(UMI)实现主动感知,利用流形约束控制器和观察-动作对齐,使Unitree G1人形机器人在五项真实任务中平均成功率达85%。
2026-06-18 cs.RO
MuGen: Multi-Skill Generative Locomotion Controller for Humanoid Robots
Peking University(北京大学)
提出MuGen框架,利用VQ-VAE和教师-学生策略蒸馏,从异构人类运动数据中学习生成式运动表示,使人形机器人能够执行多技能运动并模仿未见过的动作。
2026-05-23 cs.RO
What the Elevation Map Cannot See: Semantic-Aware Locomotion and Execution-Aware Navigation for Humanoid Robot
University of Florida(佛罗里达大学)
针对现有VLN基准忽略高程图无法辨识的危险及执行偏差的问题,提出含高程细微危险与执行偏差的基准及闭环VLN+运动控制框架,在仿真和Unitree G1上验证,证明语义输入与抗偏差提升导航表现。
2026-10-15 cs.RO
Bracing for Impact: Robust Humanoid Push Recovery and Locomotion with Reduced Order Models
AMBER Lab at the Department of Mechanical and Civil Engineering, California Institute of Technology(机械与土木工程系AMBER实验室,加州理工学院)
提出统一框架,结合单刚体模型预测控制与混合线性倒立摆动力学,利用环境(如墙壁)和手臂支撑实现人形机器人动态行走中的推倒恢复,在高达0.5m/s行走速度下抵抗100N持续0.2s的推力。
2026-06-23 cs.RO
Online Non-linear Centroidal MPC for Humanoid Robot Locomotion with Step Adjustment
Istituto Italiano di Tecnologia(意大利理工学院);University of Genoa(热那亚大学);University of Manchester(曼彻斯特大学)
本文提出了一种用于人形机器人运动的具有在线步距调整能力的非线性模型预测控制器。所提出的控制器考虑系统的重心动力学来计算所需的接触力和扭矩以及接触位置。从基于简化模型的双足步行架构,所提出的方法考虑了减少质心模型,从而使机器人执行高度动态运动,同时保持控制问题仍然在线治疗。我们表明,所提出的控制器可以自动调整接触位置在单,双支持阶段。然后,测试的整体方法与模拟单腿和双腿系统执行跳跃和运行任务,分别。最后,我们验证了所提出的控制器上的位置控制的人形机器人iCub。结果表明,该策略可以防止机器人跌倒,而步行和推动外力高达40牛顿1秒施加在机器人手臂。
2022-03-10 cs.RO
$ω$-0: A Latent Predictive World Action Model for Concurrent Humanoid Loco-Manipulation
NTU(南洋理工大学);PKU(北京大学);BAAI(北京智源人工智能研究院);HKUST(GZ)(香港科技大学(广州))
本文提出 ω-0 模型,针对类人机器人协同移动操作问题,结合潜在视觉预见与扩散动作生成,在 11 项家庭任务上优于多个基线,还构建了 ω-HOME 数据集。
2026-08-11 cs.RO
KinoGen: Customizable Humanoid Loco-Manipulation References via Kinematically Grounded Video Generation
Cornell University(康奈尔大学);Multiply Labs
KinoGen是基于运动学约束视频生成的框架,可合成人形机器人移动操作参考,在8项任务中性能优于基线,其定制参考满足指定目标,相关跟踪策略已部署在Unitree G1人形机器人上。
2026-10-15 cs.RO
Dataset-Free Compliant Humanoid Loco-Manipulation with Dynamic Online Posture
University of California San Diego(加州大学圣迭戈分校);Yonsei University(延世大学)
提出OCLO系统,无需人类数据,仅通过末端执行器目标实现人形机器人移动操作,利用解析可达性先验和策略在环细化生成姿态,并学习全身顺从性,显著提高成功率并保持平衡。
2026-11-13 cs.RO
ULC: A Unified and Fine-Grained Controller for Humanoid Loco-Manipulation
State Key Laboratory of Robotics and Systems, Harbin Institute of Technology(机器人与系统国家重点实验室,哈尔滨工业大学);School of Engineering, Westlake University(工程学院,西湖大学)
ULC通过统一策略实现人形机器人运动-操作的高精度与鲁棒性,结合多种关键技术提升整体协调性能。
2026-03-02 cs.RO
CEER2: Directional and Tunable End-Effector and Root Compliance for Humanoid Loco-Manipulation
Duke University(杜克大学)
针对人形机器人物理交互中的柔顺性问题,提出结合方向性可调末端执行器柔顺性与可选根部柔顺性的框架,利用分层强化学习控制,实现方向刚度控制、在线调整及协作搬运等能力。
2026-10-01 cs.RO
Humanoid Loco-Manipulation With Discrete VLA Model
Horizon Robotics(地平线机器人)
提出Holo-M,首个离散VLA模型,通过统一动作标记器分解全身动作空间并扩展语言模型词汇,结合分组离散扩散解码,在SIMPLE基准上实现最高成功率。
2026-09-29 cs.RO
Towards a General Humanoid Loco-Manipulation Model via Egocentric Whole-Body Human Data Pretraining
Alibaba Group(阿里巴巴集团);Sichuan University(四川大学);Shanghai Innovation Institute(上海创新研究院);Beihang University(北京航空航天大学);Hong Kong University of Science and Technology(香港科技大学)
本文提出利用以自我为中心的人类全身数据预训练,构建通用人形移动操作模型λ₀,通过三阶段训练实现高效迁移,并在多个任务上取得最先进性能。
2026-10-02 cs.RO
SIMPLE: Simulation-Based Policy Learning and Evaluation for Humanoid Loco-manipulation
USC Physical Superintelligence (PSI) Lab(南加州大学物理超级智能实验室)
提出SIMPLE仿真平台,结合MuJoCo动力学与IsaacSim渲染,包含60个全身任务、50个室内场景和1000+物体资产,支持自动化轨迹生成和VR遥操作数据采集,并集成多种主流策略,实验证明仿真与真实世界性能强相关,可实现零样本迁移。
2026-10-14 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
Predictive Whole-Body Control of Humanoid Robot Locomotion
Fondazione Istituto Italiano di Tecnologia(意大利技术研究院基金会);Università di Genova(热那亚大学)
人形机器人是具有拟人化形状的机器。尽管对这个问题进行了数十年的研究,但从算法的角度来解决机器人运动问题仍然具有挑战性。例如,这些机器在不利用与环境的接触的情况下无法实现恒定的向前身体运动。由接触产生的反作用力受到很强的限制,使控制律的设计复杂化。因此,产生的人形运动需要充分利用的数学模型的机器人与环境接触或诉诸approximatesofit.This论文研究预测和最优控制技术,解决人形机器人的运动任务。它们从系统模型和目标中生成控制输入值,通常将其转换为成本函数以最小化。特别是,这篇论文解决了几个方面的人形机器人运动问题的复杂性渐增。首先,我们考虑单步的推恢复问题。也就是说,我们的目标是在强烈的外部干扰后保持直立的姿势。其次,我们生成并稳定行走运动。此外,我们采用预测技术来执行更多的动态运动,如大的步进。上述应用利用不同的简化或假设来促进对应运动任务的易处理性。此外,他们首先考虑脚的位置,然后才考虑如何保持平衡。我们试图消除所有这些简化。[续]
2020-04-16 cs.RO
Walk the PLANC: Physics-Guided RL for Agile Humanoid Locomotion on Constrained Footholds
Department of Mechanical and Civil Engineering, California Institute of Technology(机械与土木工程系,加州理工学院);Department of Computing and Mathematical Sciences, California Institute of Technology(计算与数学科学系,加州理工学院)
本文提出基于物理的强化学习方法,结合结构化步态规划与数据驱动适应,实现人形机器人在受限足部支撑上的敏捷运动,显著提升可靠性。
2026-01-09 cs.RO