Perception-and-action system for humanoid robot task execution in construction
本研究针对人形机器人执行建筑任务的实用能力不足问题，提出含Humanoid-PoseNet和Humanoid-ActionNet的感知动作系统，经实验实现8项建筑动作可靠执行，平均MPJPE为82.45mm，为建筑场景部署人形协作机器人奠定基础。
2026-08-04 cs.RO
Humanoid-DART: Humanoid Loco-Manipulation using Diffusion-guided Augmentation through Relabeling and Tracking
Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与智能机构（MIRMI））；Technical University of Munich (TUM)（慕尼黑技术大学（TUM））
提出一种自监督框架，从稀疏演示中引导并逐步扩展行为库，结合扩散轨迹生成与强化学习，实现目标条件策略学习，减少专家监督。
2026-06-26 cs.RO
Autistic Children's Mental Model of an Humanoid Robot
University of Turin（都灵大学）
本立场文件介绍了一个初步的卡片分类实验的基础上的反应和问题的一组自闭症儿童的工作与人形机器人在自主治疗实验室的结果。
2022-03-14 cs.RO
Teleoperation of Humanoid Robots: A Survey
Istituto Italiano di Tecnologia（意大利理工学院）；Florida Institute for Human and Machine Cognition（佛罗里达人机认知研究所）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；National Institute of Advanced Industrial Science and Technology (AIST)（日本产业技术综合研究所）；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）；Tokyo University of Science（东京理科大学）
人形机器人的遥操作使得能够将人类的认知技能和领域专业知识与人形机器人的物理能力相结合。人形机器人的操作多功能性使其成为远程环境中远程操作时广泛应用的理想平台。然而，人形机器人的复杂性提出了挑战的遥操作，特别是在非结构化的动态环境与有限的通信。在过去几十年中，这一领域取得了许多进展，但仍然缺乏全面的概述。本文综述了人形机器人遥操作的研究现状，介绍了遥操作系统的总体结构，分析了遥操作系统的各个组成部分。我们还讨论了该主题的不同方面，包括技术和方法的进步，以及潜在的应用。该论文的网络版可在https://humanoid-teleoperation.github.io/上找到。
2023-01-11 cs.RO
Demonstrating Berkeley Humanoid Lite: An Open-source, Accessible, and Customizable 3D-printed Humanoid Robot
University of California, Berkeley（加州大学伯克利分校）
本文展示开源人形机器人 Berkeley Humanoid Lite，采用模块化 3D 打印齿轮箱和摆线设计，成本低于 5000 美元，并通过强化学习实现仿真到硬件的零样本策略迁移，推动人形机器人民主化。
2025-04-24 cs.RO
SMAP: Self-supervised Motion Adaptation for Physically Plausible Humanoid Whole-body Control
School of Computer Science, Wuhan University（武汉大学计算机学院）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））；The Chinese University of Hong Kong（香港中文大学）；Fudan University（复旦大学）；National University of Singapore（新加坡国立大学）
本文提出SMAP框架，通过矢量量化周期性自编码器将人体运动适配为物理可行的人形机器人运动，并利用特权教师蒸馏精确模仿技能，提升全身控制的稳定性与性能。
2025-05-26 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
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
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
HDMI: Learning Interactive Humanoid Whole-Body Control from Human Videos
Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
本文提出 HDMI 框架，从单目人类视频构建轨迹数据并训练强化学习全身控制策略，实现人形机器人零样本仿真到真实的多样物体交互。
2025-09-27 cs.RO
Unsupervised Neural Motion Retargeting for Humanoid Teleoperation
Graduate School of Informatics, Kyoto University（京都大学 informatics 研究生院）；Artificial Intelligence Research Center, National Institute of Advanced Industrial Science and Technology (AIST)（独立行政法人 产业技术综合研究所 人工智能研究中心）；Advanced Telecommunications Research Institute International (ATR)（国际电气通信基础技术研究所）；Graduate School of Science Technology, Nara Institute of Science and Technology（奈良科学技术研究所 研究生院）
本研究提出一种基于GAN的无监督在线运动重定向方法，无需成对数据集即可实现人到人形机器人的遥操作，降低了系统复杂性与设置门槛，实验表明其重定向精度与传统方法相当且具备实用可用性。
2024-06-02 cs.RO
Deep Imitation Learning for Humanoid Loco-manipulation through Human Teleoperation
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出数据高效框架TRILL，通过VR界面收集人类演示，结合全身控制与高层动作抽象，解决高自由度仿人机器人移动操作技能的深度模仿学习难题，并在仿真和真实机器人上验证了其有效性。
2023-11-19 cs.RO
HITTER: A HumanoId Table TEnnis Robot via Hierarchical Planning and Learning
University of California, Berkeley（加州大学伯克利分校）
针对仿人机器人在动态快速交互任务中的局限，提出融合模型规划与强化学习的分层框架，结合人类运动参考，在通用仿人机器人上实现亚秒级反应的乒乓球对打，验证了敏捷交互行为的可行性。
2025-09-04 cs.RO
Robot Trains Robot: Automatic Real-World Policy Adaptation and Learning for Humanoids
Stanford University（斯坦福大学）
提出RTR框架，利用机械臂教师辅助人形机器人学生进行安全高效的真实世界强化学习，通过优化动力学编码潜在变量稳定仿真到现实迁移，并在速度跟踪和摆动起身任务中验证了有效性。
2025-08-26 cs.RO
Design and Control of a Small Humanoid Equipped with Flight Unit and Wheels for Multimodal Locomotion
针对人形机器人速度慢、越障能力有限的问题，研究人员设计了配备轮式结构与飞行单元的小型人形机器人，提出多模态集成控制框架，首次实现单个人形机器人兼具足式、轮式、飞行三种运动模式及空中操作能力。
2024-03-09 cs.RO
Modelling of Walking Humanoid Robot With Capability of Floor Detection and Dynamic Balancing Using Colored Petri Net
University of Tabriz（大不里士大学）
大多数人形机器人具有高度复杂的结构，并且设计与人类非常相似的机器人是极其困难的。在本文中，建模的一般和全面的控制算法的人形机器人的着色Petri网。为了保持机器人的动态平衡，在算法中采用了陀螺仪和加速度计传感器的组合。图像处理主要用于识别两个基本问题：一是检测机器人必须跟随的目标或物体;二是检测地面表面，使步行机器人能够像人一样保持平衡，并显示其最佳性能。所提出的模型给出了高层次的人形机器人的操作。
2014-04-10 cs.RO
CubiXMusashi: Fusion of Wire-Driven CubiX and Musculoskeletal Humanoid Musashi toward Unlimited Performance
The University of Tokyo（东京大学）
本文将肌肉骨骼人形机器人Musashi与线驱动机器人CubiX融合为CubiXMusashi，通过线缆连接环境并驱动，成功实现引体向上、躺姿起身和空中踢腿等原本难以完成的运动，展示了人形机器人借助环境连接突破自身物理限制的新途径。
2024-10-31 cs.RO
Humanoid Motion Scripting with Postural Synergies
Computer Science, Stanford University（计算机科学，斯坦福大学）
本文提出 SynSculptor 框架，利用 PCA 从人类运动捕捉数据中提取姿态协同并构建风格条件化协同库，结合运动-语言 transformer 实现免训练的类人运动脚本编写与姿态自适应。
2025-08-17 cs.RO
Maximum Impulse Approach to Soccer Kicking for Humanoid Robots
University of Bonn（波恩大学）
本文提出一种解析的最大冲量踢球生成方法，通过四阶段恒加速轨迹、约束感知时长调整及与ZMP步态集成，在仿真和真实NimbRo-OP2X机器人上完成验证。
2024-12-02 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
A ROS-based Software Framework for the NimbRo-OP Humanoid Open Platform
University of Bonn（波恩大学）
在过去的几年里，已经开发了许多成功的人形平台，包括Nao和DARwIn-OP，这两个平台都被许多研究小组用于研究双足行走，全身运动和人机交互。NimbRo-OP是一个开放的人形平台，由波恩大学的NimbRo团队开发。这个平台比前面提到的两个人形机器人大得多，有可能与更人性化的环境进行交互。本文介绍了一种基于机器人操作系统（ROS）中间件的NimbRo-OP软件框架。该软件提供了硬件抽象、视觉感知和行为生成的功能，并已用于实现基本的足球技能。这些机器人在2013年机器人世界杯上展示，作为人形联盟比赛获胜队的一部分。
2018-09-28 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
Electric Sheep Team Description Paper Humanoid League Kid-Size 2019
University of Canterbury（坎特伯雷大学）；Stats NZ（新西兰统计局）
在本文中，我们介绍了新成立的新西兰的机器人足球机器人儿童大小的团队，电子羊。我们描述了我们开发的人形机器人平台，特别是我们独特的底盘，电子和使用几种电机类型，以创建一个低成本的入门平台。为了支持这种硬件，我们讨论了我们的软件框架，视觉处理，行走和游戏策略方法。最后，我们概述了团队未来的研究兴趣以及未来为联赛做出贡献的意图和RoboCup的目标。
2019-10-20 cs.RO
Motion Modification Method of Musculoskeletal Humanoids by Human Teaching Using Muscle-Based Compensation Control
The University of Tokyo（东京大学）
针对肌肉骨骼人形机器人难以精确控制的问题，本文提出一种基于肌肉补偿控制的方法，利用外力修正运动，并在Musashi机器人上验证了有效性。
2024-11-10 cs.RO
LiPS: Large-Scale Humanoid Robot Reinforcement Learning with Parallel-Series Structures
本文提出LiPS训练方法，通过在仿真环境中引入多刚体动力学建模，解决人形机器人强化学习训练中开环拓扑与串并联结构转换的sim2real差距问题，支持大规模并行训练。
2025-03-11 cs.RO
Learning Scene-Aware Humanoid Locomotion through 3D Clutter from Immersive Human Demonstrations
George Mason University（乔治梅森大学）；New York University（纽约大学）
提出MTC框架，利用VR演示和场景感知重定向训练人形机器人策略，在杂乱环境中实现70.2%无碰撞穿越。
2026-09-21 cs.RO
A Whole-Body Motion Imitation Framework from Human Data for Full-Size Humanoid Robot
The State Key Laboratory of Industrial Control and Technology of Zhejiang University（浙江大学工业控制技术状态重点实验室）；Zhejiang Humanoid Robot Innovation Center（浙江人形机器人创新中心）；Department of Engineering Mechanics of Zhejiang University（浙江大学工程力学系）
针对人形机器人与人类运动学动力学差异导致的平衡下精准模仿难题，提出含接触感知重定向、非线性质心MPC和全身控制器的框架，经仿真与真机实验验证具备准确性与适应性。
2025-08-01 cs.RO
ThorArena: Benchmarking Humanoid Physical Interaction with Human Motion-Force Demonstrations
Beijing Academy of Artificial Intelligence（北京人工智能研究院）；Technical University of Munich（慕尼黑工业大学）
本文提出ThorArena基准，通过人类运动-力演示评估力感知人形机器人交互。收集真实世界交互数据集，提出评估指标与统一协议，实验表明力感知评估能揭示传统评估下隐藏的性能差异，为人形机器人交互研究提供实用框架与新基准。
2026-07-08 cs.RO
Optimization of Humanoid Robot Designs for Human-Robot Ergonomic Payload Lifting
Istituto Italiano di Tecnologia（意大利理工学院）；The University of Manchester（曼彻斯特大学）
当人类和人形机器人进行物理协作时，人机工程学是需要考虑的关键因素。假设一个给定的人形机器人，几个控制架构存在现今解决人体工程学物理人机协作。本文进一步考虑机器人的硬件参数作为优化变量的问题的合作有效载荷升降。机器人的运动学和动力学参数化变量保证了它们的物理一致性，并且在优化问题中考虑了人体模型。通过利用所提出的建模框架，交互的人机工程学被最大化，这里由代理的能量消耗给出。机器人运动学，动力学，硬件约束和人类的几何形状时，考虑解决相关的优化问题。所提出的方法是用来确定最佳的硬件参数的ergoCub机器人，人形拥有一定程度的具身智能与人类的人机交互的设计。对于优化问题，起点是iCub人形机器人。所获得的机器人设计达到负载的高度范围为0.8-1.5米的iCub机器人，其范围被限制在0.8-1.2米。机器人的能量消耗减少了约33%，同时，人类的人机工程学得到了保留，从而改善了整体交互。
2022-11-24 cs.RO
Realization of Seated Walk by a Musculoskeletal Humanoid with Buttock-Contact Sensors From Human Constrained Teaching
The University of Tokyo（东京大学）
本研究通过人类约束示教和臀接触传感器，在肌肉骨骼人形机器人MusashiOLegs上实现了坐姿行走的前进、后退与旋转运动。
2024-04-01 cs.RO
Modeling and Control of Humanoid Robots in Dynamic Environments: iCub Balancing on a Seesaw
Istituto Italiano di Tecnologia（意大利理工学院）
关于人形机器人的未来应用可能涉及机器人与动态环境之间的物理交互。在这种情况下，经典的平衡和步行控制器，忽略了环境动态可能不足以实现稳定的机器人行为。本文提出了一种平衡人形机器人与动态环境接触的建模和控制框架。我们首先对机器人和环境动力学以及接触约束进行建模。然后，提出了一种稳定整个系统的控制策略。理论结果与机器人iCub平衡在跷跷板上的仿真验证。
2018-03-09 cs.RO
Learning Coordinated Tasks using Reinforcement Learning in Humanoids
International Institute of Information Technology, Hyderabad（海得拉巴国际信息技术研究所）
随着人工智能和机器学习的出现，使得人形机器人学习人类拥有的各种技能。人类在日常活动中使用的基本技能之一是双手协调执行任务。在类人机器人的情况下，学习这些技能需要最佳的运动规划，包括避免与周围环境碰撞。在本文中，我们提出了一个框架，学习协调任务在混乱的环境中的基础上DiGrad -一个多任务强化学习算法的连续动作空间。此外，我们提出了一种算法来平滑所提出的框架获得的关节空间轨迹，以减少训练过程中注入的噪声。建议的框架进行了测试，在27自由度（DoF）的人形与关节躯干执行协调的对象达到任务的双手在四个不同的环境中具有不同程度的难度。据观察，人形机器人能够实时规划无碰撞轨迹。仿真结果还揭示了有用的关节躯干执行任务，需要两个手臂之间的协调。
2018-05-09 cs.RO
TactileStep: Sole Tactile Learning for Regulating Foot-Terrain Interaction in Humanoid Locomotion
Tsinghua University（清华大学）
针对人形机器人足地交互缺乏触觉感知的问题，提出TactileStep框架，通过足底压力感知与阶段感知奖励，实现更柔和着陆和稳定支撑，显著降低冲击力与噪声。
2026-09-25 cs.RO
Design of conversational humanoid robot based on hardware independent gesture generation
随着老年人和残疾人护理需求的不断增长，智能和移动设备（如机器人）提供护理和支持解决方案的机会越来越多。为了自然地协助人类并与人类互动，机器人必须具备有效的对话能力。伴随口语句子的手势是人与人之间会话交流中的一个重要因素。人形机器人也必须使用手势，如果他们能够丰富的互动暗示和提供他们的人形外观。然而，用于姿势生成的当前系统不动态地提供人类自然理解的真实物理姿势。本文提出了一种用于人形机器人生成手势以及说出的句子的方法。我们强调，我们的手势生成架构可以应用于任何类型的人形机器人通过使用labanotation，这是一个现有的系统，用于记录人类的舞蹈动作。Labanotation的手势符号可以通过计算转换，以兼容一系列具有蹒跚物理特征的机器人。本文介绍了一种解决方案，作为一个综合系统的对话机器人的语音和手势可以相互补充，在人机交互。
2019-05-21 cs.RO
RoboCup 2023 Humanoid AdultSize Winner NimbRo: NimbRoNet3 Visual Perception and Responsive Gait with Waveform In-walk Kicks
University of Bonn（波恩大学）
本文介绍NimbRo人形足球系统的升级，包括NimbRoNet3视觉感知、融合角度反馈与COM-ZMP控制器，以及波形参数化步中踢球，最终赢得RoboCup 2023 AdultSize组冠军。
2024-01-11 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
Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data
Tsinghua University（清华大学）；Peking University（北京大学）；Galbot Inc.（Galbot公司）；Shanghai Qi Zhi Institute（上海启智研究所）；Shanghai AI Laboratory（上海人工智能实验室）
本文提出LATENT系统，通过不完美的网球运动数据学习人形机器人网球技能，提升真实场景中的网球表现。
2026-03-13 cs.RO
ExtremControl: Low-Latency Humanoid Teleoperation with Scaled Velocity Feedforward
UMass Amherst（马萨诸塞大学阿默斯特分校）；Carnegie Mellon University（卡内基梅隆大学）；MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室）
本文提出ExtremControl框架，通过直接操作SE(3)姿态、Cartesian空间映射和速度前馈控制，实现低延迟的人形机器人远程操控，实验表明其在模拟和现实环境中均优于传统方法。
2026-10-22 cs.RO
From Video to Vision: Learning Generalizable Humanoid Carrying from Human Motion
X-Humanoid（X人形机器人）
针对现有人形机器人搬运策略泛化差、依赖动作捕捉的问题，提出MOVER多阶段RL框架，经三阶段训练与Dagger-PPO蒸馏，实现人形机器人在无动作捕捉环境中通过自身RGB-D相机完成不同位置物体搬运。
2026-10-30 cs.RO
From Rolling Over to Walking: Enabling Humanoid Robots to Develop Complex Motor Skills
Worcester Polytechnic Institute（伍斯特理工学院）
本文提出一种基于成就触发多路径奖励函数的强化学习方法，使类人机器人在单一训练阶段学习从翻身到行走的复杂运动技能，并在模拟环境中提升成功率与学习速度。
2023-11-13 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
Toward Intelligent Biped-Humanoids Gaits Generation
National School of Engineering of Sfax, University of Sfax（斯法克斯国家工程学院，斯法克斯大学）
在本章中，我们将重点介绍我们的实验研究自然人步行分析和介绍一个生物启发设计的简单的双足运动系统的人形机器人。灵感直接来自于对人体行走的分析和人体肌肉的运动机理与控制。提出了一种混合步态生成算法，用于解决传统的运动学和动力学方程，步态包括膝关节、踝关节和髋关节轨迹。该算法是一种基于粒子群优化范式的智能进化算法。这个建议可以用于小型人形机器人，膝盖，脚踝和臀部和至少六个自由度（DOF）。
2012-12-08 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
Authoring and Operating Humanoid Behaviors On the Fly using Coactive Design Principles
Florida Institute for Human and Machine Cognition（佛罗里达人类与机器认知研究所）；University of West Florida（西佛罗里达大学）；Figure AI, Inc.（Figure AI公司）
本文利用可供性模板和协同设计原则，通过交互式姿态目标实现人形机器人行为的即时编写，并在Nadia机器人上验证了推门和拾放任务的有效性。
2023-07-25 cs.RO
Telexistence and Teleoperation for Walking Humanoid Robots
IIT（意大利理工学院）；IJS（约瑟夫·斯特凡研究所）
本文提出了一种实现人形机器人的临场感和遥操作的体系结构。该架构结合了几种技术设置，方法，运动和操纵算法以一种新颖的方式，从而建立和扩展文献中的作品。这种方法允许人类操作员命令和电传机器人。因此，在这项工作中，我们处理的方面不仅涉及到拟议的架构结构和实施，而且在适应机器人和架构的能力方面的人类操作员的经验。此外，本体感觉方面和实施例的机器人进行了研究，通过具体的实验结果，这也是在某种程度上正式的，虽然高层次的方式处理。所提出的架构和实验，将用户的培训和经验的应用解决使用说明性的双足人形机器人，即iCub机器人。
2019-04-04 cs.RO
GAE: General Action Expert for Real-Time Humanoid Teleoperation
Westlake Robotics（西湖机器人）；Westlake University（西湖大学）
提出GAE统一学习框架，通过大规模数据集、两阶段训练和延迟补偿机制，实现低延迟、通用的人形全身遥操作，并在仿真和真实机器人上验证了效果。
2026-09-29 cs.RO
Rapid and Robust Trajectory Optimization for Humanoids
Robotics Institute, University of Michigan（密歇根大学机器人研究所）；University of Michigan（密歇根大学）
针对高自由度人形机器人轨迹设计计算困难且依赖人工调参的问题，提出广义步态优化框架，直接生成平滑可行轨迹，收敛更快更鲁棒，并纳入闭环运动学约束，提供开源C++实现。
2024-12-16 cs.RO
COMTEST Project: A Complete Modular Test Stand for Human and Humanoid Posture Control and Balance
这项工作提出了一个系统基准人形姿态控制和平衡性能扰动条件下。具体的基准测试场景包括，例如，在移动表面上进行自主运动时保持直立姿势的平衡。该系统包括用于提供扰动的运动平台、适用于机器人、人类和外骨骼的创新的身体跟踪系统、控制软件和一组预定义的扰动、用于测试算法的人形机器人、以及提供用于提供性能的定量测量的现有技术数据分析的分析软件。为了提供多功能性，该系统的设计是面向模块化：其所有组件可以根据实验需要进行更换或扩展，添加额外的扰动配置文件，新的评估原则，和替代跟踪系统。该系统将有可能与不同类型的机器人和外骨骼一起使用，以及用于旨在深入了解人体平衡能力的人体实验。
2021-04-24 cs.RO
Coordinated Humanoid Robot Locomotion with Symmetry Equivariant Reinforcement Learning Policy
针对现有人形机器人深度强化学习方法忽略形态对称性导致动作不协调的问题，本文提出SE-Policy框架，通过嵌入对称等变/不变性提升运动协调性，在仿真和宇树G1实机上速度跟踪精度最高提升40%。
2025-11-16 cs.RO
AgenticFocus: Object-Preserving Mixed Reality Synthesis from Human FPV Video for Dexterous Humanoid Learning
Intelligent Space Robotics Lab, Skolkovo Institute of Science and Technology（智能空间机器人实验室，斯科尔科沃科学技术研究院）；R&D Center, MWS（研发中心，MWS）
研究旨在解决人类以自我为中心视频用于类人机器人学习的难题，提出AgenticFocus混合现实合成流程，恢复物体几何形状、重建手部运动并重新定位，生成数据集，相比跨实体基线降低轨迹误差、使手腕运动更平滑。
2026-07-14 cs.RO
Hand-Eye Autonomous Delivery: Learning Humanoid Navigation, Locomotion and Reaching
Stanford University（斯坦福大学）
提出HEAD框架，从人类运动与视觉数据中模块化学习人形机器人导航、locomotion与reaching技能，解耦视觉感知与动作，在仿真和真实环境中验证其复杂环境适应能力。
2025-08-07 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。
2026-09-11 cs.RO
HumanoidTurk: Expanding VR Haptics with Humanoids for Driving Simulations
Department of AI Convergence, Gwangju Institute of Science and Technology（人工智能融合系，全州科学技术院）；University of Colorado Boulder（科罗拉多大学博尔德分校）
HumanoidTurk通过人形机器人实现VR驾驶模拟中的触觉反馈，提升沉浸感和真实感，但带来舒适性和晕动症的适度代价。
2026-01-26 cs.HC cs.RO
Humanoid World Models: Open World Foundation Models for Humanoid Robotics
University of Waterloo（滑铁卢大学）
本文提出人形世界模型（HWM），一种轻量级开源模型，基于控制令牌预测自我中心视频，在100小时演示上训练掩码Transformer和流匹配，通过参数共享减少33-53%模型大小，适用于1-2 GPU的学术环境。
2025-07-08 cs.AI cs.RO
