跨人形机器人的可扩展且通用的全身控制
机器人学
2026-04-15 v2
摘要
基于学习的全身控制器已成为人形机器人的关键驱动力，但大多数现有方法需要机器人特定的训练。本文研究了跨体现的人形机器人控制问题，表明单个策略可在一次训练后对广泛的人形机器人设计进行稳健泛化。我们引入XHugWBC，一种新的跨体现训练框架，通过：（1）物理一致的形态随机化，（2）跨 diverse 人形机器人语义对齐的观察与动作空间，（3）有效建模形态和动力学特性的策略架构，实现通用人形控制。XHugWBC不依赖于任何特定机器人。相反，它在训练期间内化了广泛的形态和动力学特征分布。通过从 diverse 随机化体现在学习运动先验，策略获得强大的结构偏置，支持对以前未见过的机器人的零样迁移。实验在十二个模拟人形机器人和七台实际机器人上表明，所得通用控制器具有强大的泛化和鲁棒性。
引用
@article{arxiv.2602.05791,
title = {Scalable and General Whole-Body Control for Cross-Humanoid Locomotion},
author = {Yufei Xue and YunFeng Lin and Wentao Dong and Yang Tang and Jingbo Wang and Jiangmiao Pang and Ming Zhou and Minghuan Liu and Weinan Zhang},
journal= {arXiv preprint arXiv:2602.05791},
year = {2026}
}