HULK：面向人形机器人全身用力 loco-manipulation 的控制框架

论文提出 HULK 全身控制框架，用 MPC 预测负载动力学引导强化学习，训练两个教师策略（腕力下跟踪手臂动作、抱持大物体行走），再蒸馏为单一策略，并在仿真与 Unitree G1 上评测。仿真中带屏障函数的教师在每臂 10 kg 负载下前向与横向速度跟踪误差最低，DCM 偏移总量较仅用 MPC 引导强化学习降低 35.7%，腕力教师可承受高达 130 N 的躯干推扰。