FARM：面向物理驱动的高动态人形体控制的帧加速数据增强与残差混合专家
机器人学
2025-08-28 v1
摘要
统一的物理驱动人形体控制器是机器人和角色动画中的关键技术，但在轻柔日常动作上表现出色的模型在爆炸性动作上仍会碰壁，限制了实际应用。我们通过FARM（Frame-Accelerated Augmentation and Residual Mixture-of-Experts）——由帧加速数据增强、稳健的基座控制器和残差混合专家（MoE）组成的端到端框架——来弥合这一差距。帧加速数据增强通过扩大帧间隙，使模型暴露于高速度姿态变化。基座控制器可靠地跟踪日常低动态运动，而残差混合专家则自适应地为处理具有挑战性的高动态动作分配额外的网络容量，从而显著提升跟踪精度。在缺乏公共基准测试的情况下，我们构建了High-Dynamic Humanoid Motion（HDHM）数据集，包含3593个物理上合理的片段。在HDHM数据集上，FARM相对于基线方法将跟踪失败率降低42.8%，并将全局关节位置均值误差降低14.6%，同时保持对低动态运动的近乎完美精度。这些结果确立了FARM作为高动态人形体控制的新基准，并引入了首个专为这一挑战而设的开放基准测试。代码和数据集将发布于https://github.com/Colin-Jing/FARM。
引用
@article{arxiv.2508.19926,
title = {FARM: Frame-Accelerated Augmentation and Residual Mixture-of-Experts for Physics-Based High-Dynamic Humanoid Control},
author = {Tan Jing and Shiting Chen and Yangfan Li and Weisheng Xu and Renjing Xu},
journal= {arXiv preprint arXiv:2508.19926},
year = {2025}
}