HOVER：面向人形机器人的多功能神经全身控制器
机器人学
2025-03-07 v2
摘要
人形机器人全身控制需要适应导航、移动操作和桌面操作等多种任务，每种任务要求不同的控制模式。例如，导航依赖于根速度跟踪，而桌面操作则优先考虑上半身关节角度跟踪。现有方法通常训练针对特定指令空间定制的个体策略，限制了其跨模式的可迁移性。我们提出的核心见解是，全身运动学运动模仿可以作为所有这些任务的共同抽象，并为学习多种全身控制模式提供通用的运动技能。基于此，我们提出了 HOVER（人形多功能控制器），这是一个多模式策略蒸馏框架，将多种控制模式整合到一个统一的策略中。HOVER 能够在控制模式之间实现无缝过渡，同时保留每种模式的独特优势，为跨多种模式的人形控制提供了一个稳健且可扩展的解决方案。通过消除为每种控制模式重新训练策略的需要，我们的方法提高了未来人形应用的效率和灵活性。
引用
@article{arxiv.2410.21229,
title = {HOVER: Versatile Neural Whole-Body Controller for Humanoid Robots},
author = {Tairan He and Wenli Xiao and Toru Lin and Zhengyi Luo and Zhenjia Xu and Zhenyu Jiang and Jan Kautz and Changliu Liu and Guanya Shi and Xiaolong Wang and Linxi Fan and Yuke Zhu},
journal= {arXiv preprint arXiv:2410.21229},
year = {2025}
}
备注
Published at ICRA 2025, Project Page: see https://hover-versatile-humanoid.github.io/