GBC：面向全身人oid仿真的通用行为克隆框架
机器人学
2025-08-14 v1 人工智能
机器学习
摘要
人类化人oid机器人的创建受到根本性碎片化的制约：数据处理和学习算法在不同的机器人形态学之间几乎不通用。本文引入了通用行为克隆（GBC）框架，作为解决这一端到端挑战的全面且统一的解决方案。GBC通过三项协同创新构建了从人类运动到机器人动作的完整路径。首先，一个自适应数据管线利用可微分正动学网络，自动将任意人类MoCap数据重新定位到任意人oid。建立在此基础上的，我们的新型DAgger-MMPPO算法及其MMTransformer体系结构，学习出稳健且高保真度的仿真策略。为完成生态系统，整个框架基于Isaac Lab以高效、开源方式交付，使社区能够通过简单的配置脚本部署完整的工作流程。我们通过在多个异构人oid上训练策略，验证了GBC的强大性和通用性，展示了其在新颖运动上的优异性能和迁移能力。本工作建立了创建真正通用人oid控制器的第一个实用且统一的路径。
引用
@article{arxiv.2508.09960,
title = {GBC: Generalized Behavior-Cloning Framework for Whole-Body Humanoid Imitation},
author = {Yifei Yao and Chengyuan Luo and Jiaheng Du and Wentao He and Jun-Guo Lu},
journal= {arXiv preprint arXiv:2508.09960},
year = {2025}
}