从专家到通用家族：面向人形机器人的通用全身控制
机器人学
2025-09-03 v3 机器学习
摘要
在人形机器人上实现通用敏捷全身控制仍是重大挑战，由于多样化的运动需求和数据冲突。虽然现有框架在训练单一运动特定策略方面表现出色，但由于控制要求的冲突和数据分布的不匹配，难以在高度变化的行为之间推广。在本工作中，我们提出BumbleBee (BB)，一种专家-通用家族学习框架，结合运动聚类和仿真到现实适应，克服上述挑战。BB首先利用基于自编码器的方法，对运动特征和运动描述进行聚类，分组相似的行为。随后在每个聚类内训练专家策略，并通过迭代delta动作建模结合真实世界数据进行细化，以弥合仿真到现实的差距。最后，这些专家被蒸馊到统一的通用控制器中，该控制器在所有运动类型上保持敏捷性和鲁棒性。在两个仿真环境和一个实际人形机器人上的实验表明，BB实现了最先进的通用全身控制，为在真实世界中实现敏捷、鲁棒和可 generalization 的人形机器人性能设立了新基准。项目网页地址为https://beingbeyond.github.io/BumbleBee/。
引用
@article{arxiv.2506.12779,
title = {From Experts to a Generalist: Toward General Whole-Body Control for Humanoid Robots},
author = {Yuxuan Wang and Ming Yang and Ziluo Ding and Yu Zhang and Weishuai Zeng and Xinrun Xu and Haobin Jiang and Zongqing Lu},
journal= {arXiv preprint arXiv:2506.12779},
year = {2025}
}