仿人模仿学习中基于隐式运动动力学的运动重定向
机器人学
2025-09-22 v1 人工智能
摘要
仿人模仿学习旨在从人类运动中学习仿人机器人全身控制器。运动重定向是使机器人在探索运动技能时获取参考轨迹的关键步骤。然而，现有方法逐帧进行运动重定向，缺乏可扩展性。我们能否通过更高效的方法直接将大规模人类运动转换为机器人可执行的运动？为了解决这一问题，我们提出了隐式运动动力学运动重定向 (IKMR)，一种新颖的高效且可扩展的重定向框架，同时考虑了运动学与动力学。在运动学方面，IKMR 预训练运动拓扑特征表示以及双编码器-解码器架构以学习运动域映射。在动力学方面，IKMR 将模仿学习与运动重定向网络相结合，将运动细化为物理可行的轨迹。经过基于跟踪结果的微调后，IKMR 可以实时实现大规模的物理可行运动重定向，并且可以直接训练并部署全身控制器以跟踪其重定向后的轨迹。我们在仿真环境和真实机器人上对全尺寸仿人机器人进行了实验。大量实验和评估结果验证了我们所提框架的有效性。
引用
@article{arxiv.2509.15443,
title = {Implicit Kinodynamic Motion Retargeting for Human-to-humanoid Imitation Learning},
author = {Xingyu Chen and Hanyu Wu and Sikai Wu and Mingliang Zhou and Diyun Xiang and Haodong Zhang},
journal= {arXiv preprint arXiv:2509.15443},
year = {2025}
}