面向长期人形态 locomotion-操作的分层世界坐标系末端执行器跟踪
机器人学
2026-02-09 v1
摘要
人形态 locomotion-操作需要在基座运动和冲击作用下执行精确的操作任务，同时保持动态稳定性。现有方法通常在身体中心坐标系中 formulate 命令，无法固有地纠正由足类 locomotion 引起的累积世界坐标系漂移。我们将问题重新 formulation 为世界坐标系末端执行器跟踪，并提出 HiWET，一种分层强化学习框架，使全局推理与动态执行解耦。高层策略生成在世界坐标系下联合优化末端执行器精度和基座定位的子目标，而低层策略在稳定性约束下执行这些命令。我们引入一种运动学流形先验 (KMP)，通过残差学习将操作流形嵌入动作空间，减少探索维度并缓解运动学上无效的行为。广泛的仿真和消融研究表明，HiWET 在长期世界坐标系任务中实现了精确且稳定的末端执行器跟踪。我们在物理人形机体上验证了低层策略的零样本仿真到现实迁移，展示了在多样化操作命令下保持稳定 locomotion。这些结果表明，显式的世界坐标系推理结合分层控制为长期人形态 locomotion-操作提供了有效且可扩展的解决方案。
引用
@article{arxiv.2602.06341,
title = {HiWET: Hierarchical World-Frame End-Effector Tracking for Long-Horizon Humanoid Loco-Manipulation},
author = {Zhanxiang Cao and Liyun Yan and Yang Zhang and Sirui Chen and Jianming Ma and Tianyue Zhan and Shengcheng Fu and Yufei Jia and Cewu Lu and Yue Gao},
journal= {arXiv preprint arXiv:2602.06341},
year = {2026}
}