人类机器人汉诺拉：关于基于共享全身控制的技能式箱体重排
机器人学
2026-02-24 v3
摘要
本文探讨一种技能驱动的人类机器人箱体重排框架，能够通过在任务层级上串联可复用的技能实现长期程度执行。在该架构中，所有技能均通过一种任务中性的共享全身控制器（whole-body controller, WBC）执行，提供一致的闭环接口以实现技能组合，与非共享设计不同，后者为每个技能使用独立的低层控制器。我们发现，单纯复用预训练的同一 WBC 在长期程度上会降低鲁棒性，因为新的技能及其组合会导致状态和命令分布的偏移。我们通过一种简单的数据聚合程序来解决此问题，该程序将共享-WBC 的训练数据增强为在域随机化下进行闭环技能执行的 rollout。为评估该方法，我们引入了人类机器人汉诺拉（Humanoid Hanoi）一个长期程度的塔塔哈诺拉（Tower-of-Hanoi）箱体重排基准测试，并在仿真环境和 Digit V3 人类机器人上报告结果，展示了在扩展程度上的完全自主重排，并量化了共享-WBC 方法相对于非共享基线的优势。项目页面：https://osudrl.github.io/Humanoid_Hanoi/
引用
@article{arxiv.2602.13850,
title = {Humanoid Hanoi: Investigating Shared Whole-Body Control for Skill-Based Box Rearrangement},
author = {Minku Kim and Kuan-Chia Chen and Aayam Shrestha and Li Fuxin and Stefan Lee and Alan Fern},
journal= {arXiv preprint arXiv:2602.13850},
year = {2026}
}
备注
10 pages, 6 figures, Project page: https://osudrl.github.io/Humanoid_Hanoi/