脚踏实地：对人类式 locomotion 的无缝转换
机器人学
2025-02-27 v1
摘要
虽然相对容易训练人形机器人来模仿特定的 locomotion 技能，但学习各种运动并适应不断变化的命令则更具挑战性。这些机器人必须准确跟踪运动指令，无缝地在各种运动之间转换，并掌握参考数据中不存在的中间运动。在本工作中，我们提出了一种新方法，将人类式运动转换与精确速度跟踪结合，通过对经典模仿学习的一系列改进实现。为增强泛化能力，我们采用 Wasserstein 发散准则（WGAN-div）。此外，Hybrid Internal Model 提供隐藏状态和速度的结构化估计，以增强移动稳定性和环境适应性，而好奇心奖励则促进探索。我们的综合方法承诺提供高度人类式的 locomotion，适应各种速度要求，对未见的运动和多任务具有直接泛化能力，以及在不同地形上实现模拟器和真实世界之间的零样本迁移。这些进展通过各种机器人模型的仿真以及大量现实世界实验得到验证。
引用
@article{arxiv.2502.18901,
title = {Think on your feet: Seamless Transition between Human-like Locomotion in Response to Changing Commands},
author = {Huaxing Huang and Wenhao Cui and Tonghe Zhang and Shengtao Li and Jinchao Han and Bangyu Qin and Tianchu Zhang and Liang Zheng and Ziyang Tang and Chenxu Hu and Ning Yan and Jiahao Chen and Shipu Zhang and Zheyuan Jiang},
journal= {arXiv preprint arXiv:2502.18901},
year = {2025}
}
备注
7 pages, 10 figures, accepted at the 2025 IEEE International Conference on Robotics and Automation (ICRA 2025)