OmniContact：通过接触流链式组合元技能实现通用人形机器人移动操作

学习长时程人形机器人移动操作面临双重挑战：它不仅需要元技能的稳健执行，还需要具备自主恢复能力的无缝闭环链式组合。现有方法仍然存在局限：显式的人形物体交互表示虽然提供精度，但难以用于高层规划；而隐式技能嵌入虽然紧凑，但缺乏可靠组合所需的可解释性。我们提出\ours，一个以\textbf{接触流（CF）}为核心的层次化框架，接触流是一种由关键身体轨迹和时变二元接触信号组成的紧凑表示。利用这一共享接口，我们的低层策略\textbf{CF-Track}学习统一的移动操作技能库，而高层模块\textbf{CF-Gen}则启发式地合成未来的接触流序列。为支持这一设置，我们还收集了OmniContact数据集，这是一个基于动作捕捉的人形机器人移动操作人机交互语料库（附录~\ref{sec:dataset}）。这些组件共同实现了长时程任务中元技能的稳健执行、自主故障恢复和灵活组合。实验表明，OmniContact在\textit{搬运箱子}任务上达到$98.7\%$的成功率，在\textit{推叠箱子}任务上达到$76.5\%$的成功率，在元技能和技能链式组合方面分别平均超越先前基线$40.9\%$和$66.5\%$。此外，我们的框架自然地与视觉语言模型（VLM）集成，用于语义任务分解，从而实现复杂的、基于语义的移动操作行为，例如将散落的箱子排列成心形。