DYMO-Hair：面向机器人发夹操作的通用体积动力学建模
机器人学
2026-03-24 v2
摘要
发型护理是日常必需活动，却因发丝的细微结构和复杂动力学，使其对有限行动力的个体和自主机器人系统而言仍不可及。本文提出 DYMO-Hair，一个基于模型的机器人发型护理系统。我们引入 novel 动力学学习范式，专为体积量类问题（如发丝）设计，依赖于基于动作的潜在状态编辑机制，搭配多样化发型样式的紧凑 3D 潜在空间以提升通用性。该潜在空间通过 novel 发型物理模拟器进行大规模预训练，实现对以前未见过的发型样式的泛化。利用该动力学模型配合 Model Predictive Path Integral（MPPI）规划器，DYMO-Hair 能够执行视觉引导的发型目标条件控制。仿真实验表明，DYMO-Hair 的动力学模型在捕捉多样化未见发型局部变形方面优于基线方法。DYMO-Hair 在闭环发型控制任务中对未见发型表现出优势，平均几何误差降低 22%，成功率提升 42%。实际实验显示，系统对假发实现了零样迁移，成功完成了 state-of-the-art 系统难以应对的挑战性未见发型。这些结果为基于模型的机器人发型护理奠定了基础，朝着更通用、灵活且可及的机器人发型控制方向发展。更多细节请参阅项目页面：https://dymohair.github.io/。
引用
@article{arxiv.2510.06199,
title = {DYMO-Hair: Generalizable Volumetric Dynamics Modeling for Robot Hair Manipulation},
author = {Chengyang Zhao and Uksang Yoo and Arkadeep Narayan Chaudhury and Giljoo Nam and Jonathan Francis and Jeffrey Ichnowski and Jean Oh},
journal= {arXiv preprint arXiv:2510.06199},
year = {2026}
}
备注
To appear in ICRA 2026. Project page: https://dymohair.github.io/