HeLoM：基于六足机器人的全身 locomotion-操纵的层次学习
机器人学
2026-05-26 v3
摘要
在自然界中，动物常需搬动与自身体重/尺寸相当的物体。相较于抓取与搬运，推力提供了更直接且高效的非执掌操纵策略，既避免复杂抓取设计，又能利用直接接触来调节物体在交互过程中的姿态。实现有效推力，然而需要充分的操纵能力和稳定的全身协调能力，这在处理重量或形状不规则物体时尤为具有挑战性。为此，我们提出HeLoM，一个面向六足机器人的学习型层次全身操纵框架，利用协调的多肢控制，适用于多足机器人系统。灵感来自多足昆虫的协作策略，我们的框架利用多个接触点和高自由度，实现物体交互期间的高效和动态全身协调。HeLoM的高层规划器规划推力行为，其低层控制器维持 locomotion 稳定性并生成动态一致的关节动作。该设计使机器人能够通过协调的前肢互动和后肢推进，保持平衡并执行连续可控的推力行为。我们通过仿真和实际实验验证了HeLoM的有效性。结果表明，该框架能够稳定地将大小各异且物理属性未知的物体推送到指定的目标姿态。
引用
@article{arxiv.2509.23651,
title = {HeLoM: Hierarchical Learning for Whole-Body Loco-Manipulation by a Hexapod Robot},
author = {Xinrong Yang and Peizhuo Li and Hongyi Li and Yifeng Peng and Arhaan Jain and Junkai Lu and Linnan Chang and Yuhong Cao and Yifeng Zhang and Ge Sun and Guillaume Sartoretti},
journal= {arXiv preprint arXiv:2509.23651},
year = {2026}
}