PDF-HR：人oid机器人的姿态距离场
机器人学
2026-02-05 v1 计算机视觉与模式识别
摘要
姿态和运动先验在人oid机器人领域发挥着关键作用。尽管这些先验在人类动作恢复（HMR）领域已广泛研究，涵盖多种模型，但在人oid机器人中的应用仍有限，主要由于高质量人类动作数据的稀缺。本文提出了人oid机器人的姿态距离场（PDF-HR），这是一种轻量级先验，代表机器人姿态分布为连续且可微的流形。给定任意姿态，PDF-HR预测其到大量重新定位机器人姿态的距离，产生一种平滑的姿态合理性度量，非常适合用于优化和控制。PDF-HR可以作为奖励着陆项、正则化项或独立的合理性评分器集成到各种管道中。我们在各种人oid任务上评估了PDF-HR，包括单轨迹运动跟踪、通用运动跟踪、基于风格的运动模仿和通用运动重新定位。实验表明，这一即插即用先验在一贯且显著地增强了强大的基线。代码和模型将发布。
引用
@article{arxiv.2602.04851,
title = {PDF-HR: Pose Distance Fields for Humanoid Robots},
author = {Yi Gu and Yukang Gao and Yangchen Zhou and Xingyu Chen and Yixiao Feng and Mingle Zhao and Yunyang Mo and Zhaorui Wang and Lixin Xu and Renjing Xu},
journal= {arXiv preprint arXiv:2602.04851},
year = {2026}
}
备注
\href{https://gaoyukang33.github.io/PDF-HR/}{Project page}