人oid机器人的行为基础模型
机器人学
2025-09-18 v1
摘要
人oid机器人的全身控制（Whole-body Control, WBC）在技能多样性方面取得显著进展，使其能够应用于 locomotion、teleoperation 和 motion tracking 等多种应用。尽管取得这些成就，但现有WBC框架仍偏向任务特定，依赖大量奖励工程，跨任务和技能的泛化能力有限。这些限制削弱了对任意控制模式的响应，阻碍其在复杂真实场景中的部署。为此，我们重新审视现有WBC系统，识别出跨不同任务的共同目标：生成引导机器人到达预期目标状态的合适行为。基于这一洞见，我们提出行为基础模型（Behavior Foundation Model, BFM），一种在大规模行为数据上预训练的生成模型，捕获人oid机器人通用、可复用的行为知识。BFM 集成了基于掩码在线蒸馏框架与条件变分自编码器（CVAE），建模行为分布，从而实现跨多种控制模式的灵活运行和无需从头训练即可快速获取新行为。在仿真和物理人oid平台上的大量实验表明，BFM 能稳健地跨越多样化WBC任务，快速适应新行为。这些结果表明，BFM 是通用人oid控制基础模型的有前景的一步。
引用
@article{arxiv.2509.13780,
title = {Behavior Foundation Model for Humanoid Robots},
author = {Weishuai Zeng and Shunlin Lu and Kangning Yin and Xiaojie Niu and Minyue Dai and Jingbo Wang and Jiangmiao Pang},
journal= {arXiv preprint arXiv:2509.13780},
year = {2025}
}