PressMimic：用于人形机器人模仿的压力引导动作捕捉与控制

人形动作模仿不仅需要准确感知人体运动学，还需忠实再现与环境的物理交互。然而，现有流水线主要依赖基于视觉的动作捕捉与运动学模仿，很大程度上忽略接触动力学，导致脚滑、穿地和不稳定行为等伪影。本工作中，我们从物理落地的角度重新审视人形动作模仿，并利用压力作为跨越感知与控制的统一模态。我们提出 PressMimic，一个将压力整合进从动作捕捉到人形控制的完整流水线的框架。在感知阶段，我们引入 FRAPPE++，一个融合 RGB 与压力联合估计 3D 姿态和全局运动的多模态模型，其中压力提供显式接触与支撑约束以解决基于视觉估计中的歧义。在控制阶段，我们提出压力监督策略（PSP），将压力衍生信号纳入强化学习，使执行期间具备物理一致的接触模式。我们进一步构建了 MotionPRO，一个含同步 RGB、压力与动作捕捉数据的大规模数据集。实验表明，压力提升了运动估计精度、轨迹一致性与执行稳定性。这些结果显示压力作为有效的物理落地信号，为物理一致的人形动作模仿架起了感知与控制的桥梁。