arXiv cs.RO 机器人学· Qingyu Lan, Zhihao Tian, Zifan Wang, Junwei Liang·2026-10-14 12:00· 5 小时前精选AI 评分62

TRACE：跨人形本体高效迁移全身控制策略的研究

TRACE: Efficient Transfer Learning for Neural Whole-Body Control Across Humanoid Embodiments

AI 导读

TRACE 是一个跨人形本体高效迁移全身控制的框架，将 SONIC 从 Unitree G1 迁移到 Unitree H2，使用 1000 万动作帧、在单块 RTX PRO 6000 GPU 上训练约 8 小时，GPU 时成本不到从零训练 SONIC 的 0.1%。

推荐理由

论文给出跨本体迁移的训练成本对比和成功率，可评估该方法在不同人形机器人间复用控制器的可行性。