面向人机模仿的无监督运动重定向

这项早期研究工作旨在通过将关节位置序列从人类运动域转换到给定机器人可实现的运动域（因此受其具身形态约束），来改善在线人机模仿。利用深度学习方法的泛化能力，我们通过提出一个执行域到域转换的编码器-解码器神经网络模型来解决此问题。为训练这样一个模型，可以使用成对的关联机器人和人类运动数据。然而，这种配对数据在实践中极为罕见，且收集起来十分繁琐。因此，我们转向用于非配对域到域转换的深度学习方法，并对其进行调整以执行人机模仿。