KungfuBot2：学习人形机器人全身控制的通用运动技能
机器人学
2025-09-23 v1 人工智能
摘要
通过跟踪各种人体运动来学习通用的全身技能，是迈向通用人形机器人的基础一步。这项任务尤其具有挑战性，因为单一策略必须掌握广泛的运动技能，同时确保长时序序列上的稳定性。为此，我们提出了 VMS，一个统一的全身控制器，使人形机器人能够在单一策略内学习多样且动态的行为。我们的框架集成了一个混合跟踪目标，该目标平衡了局部运动保真度与全局轨迹一致性，以及一个正交专家混合（OMoE）架构，该架构鼓励技能专业化，同时增强跨运动的泛化能力。进一步引入了一个分段级跟踪奖励，以放宽严格的逐步匹配，增强处理全局位移和瞬时误差时的鲁棒性。我们在仿真和真实世界实验中广泛验证了 VMS，展示了对动态技能的精确模仿、在长达一分钟序列上的稳定性能，以及对未见运动的强大泛化能力。这些结果凸显了 VMS 作为通用人形全身控制的可扩展基础的潜力。项目页面见 https://kungfubot2-humanoid.github.io。
引用
@article{arxiv.2509.16638,
title = {KungfuBot2: Learning Versatile Motion Skills for Humanoid Whole-Body Control},
author = {Jinrui Han and Weiji Xie and Jiakun Zheng and Jiyuan Shi and Weinan Zhang and Ting Xiao and Chenjia Bai},
journal= {arXiv preprint arXiv:2509.16638},
year = {2025}
}