H2-COMPACT：通过自适应接触轨迹策略实现人机协同操控
机器人学
2025-05-26 v1
摘要
我们提出了一种分层策略学习框架，使带腿人形机器人能够仅使用触觉线索推断意图，与人类伙伴协同搬运扩展负载。在上层，一个轻量级行为克隆网络消耗来自双腕部传感器的六轴力/力矩流，输出捕捉施加力的人体整体平面速度命令。在下层，一个深度强化学习策略，在Isaac Gym中针对随机负载（0-3 kg）和摩擦条件进行训练，并在MuJoCo和真实Unitree G1上验证，将这些高层扭转映射到稳定的、欠载关节轨迹。通过将意图解释（力→速度）与带腿运动（速度→关节）解耦，我们的方法结合了对人类输入的直观响应与鲁棒的、负载自适应行走。我们在不使用运动捕捉或标记的情况下收集训练数据，仅使用同步的RGB视频和F/T读数，采用SAM2和WHAM提取3D人体姿态和速度。在真实世界试验中，我们的人形机器人在协同搬运-移动性能（完成时间、轨迹偏差、速度同步性和跟随力）方面与蒙眼人类跟随者基线持平。这是首次展示学习到的触觉引导与全身带腿控制融合，用于流畅的人-人形机器人协同操控。代码和视频可在H2-COMPACT网站上获取。
引用
@article{arxiv.2505.17627,
title = {H2-COMPACT: Human-Humanoid Co-Manipulation via Adaptive Contact Trajectory Policies},
author = {Geeta Chandra Raju Bethala and Hao Huang and Niraj Pudasaini and Abdullah Mohamed Ali and Shuaihang Yuan and Congcong Wen and Anthony Tzes and Yi Fang},
journal= {arXiv preprint arXiv:2505.17627},
year = {2025}
}
备注
Code and videos available at https://h2compact.github.io/h2compact/