CLONE：面向长时序任务的闭环全身人形遥操作

人形遥操作在演示和收集复杂人形-场景交互数据方面发挥着重要作用。然而，当前遥操作系统面临关键限制：它们将上半身和下半身控制解耦以维持稳定性，限制了自然协调，并且以开环方式运行而缺乏实时位置反馈，导致累积漂移。根本挑战是在保持精确全局定位的同时，实现长时间内精确协调的全身遥操作。在这里我们展示，基于专家混合（MoE）的遥操作系统CLONE，通过闭环误差纠正实现了前所未有的全身遥操作保真度，仅使用MR头戴设备的头部和手部跟踪即可在长轨迹中保持最小的位置漂移。与之前要么牺牲协调性以换取稳定性要么遭受无界漂移的方法不同，CLONE在学习多样化运动技能的同时，通过实时反馈防止跟踪误差累积，从而实现如"从地面拾取物体"等复杂协调运动。这些结果为长时序人形-场景交互任务的全身人形遥操作建立了新的里程碑。