面向NAO机器人的文本驱动运动生成：基于强化学习的优化控制管线实现
机器人学
2025-06-06 v1
摘要
人类运动定向化对于人oid机器人具有重要意义，将人类运动数据传递给机器人进行仿真具有一定的应用前景，但目前仍面临诸多挑战。传统方法依赖通过姿态估计或运动捕捉系统获取的人类演示数据。本文探索了一种基于文本的将人类运动映射到人oid机器人的方法。为解决生成运动表示与人oid机器人运动学约束之间的内在差异，本文提出了一种基于范数位置和旋转损失（NPR Loss）的角度信号网络。该网络生成关节角度值，作为基于强化学习的全身关节运动控制策略的输入。该策略确保在执行过程中跟踪生成的运动，同时维持机器人的稳定性。我们的实验结果表明，该方法有效地将文本驱动的人类运动成功传递到了真实的人oid机器人NAO上。
引用
@article{arxiv.2506.05117,
title = {Realizing Text-Driven Motion Generation on NAO Robot: A Reinforcement Learning-Optimized Control Pipeline},
author = {Zihan Xu and Mengxian Hu and Kaiyan Xiao and Qin Fang and Chengju Liu and Qijun Chen},
journal= {arXiv preprint arXiv:2506.05117},
year = {2025}
}