提出人形机器人动作表现性保留的残差学习框架

Lingfan Bao 等人在 arXiv 提出一种残差学习框架，在冻结的跟踪器上针对幅度、能量、身体扩张、身体倾斜和骨盆高度等补偿目标，保留人形机器人动作的表现性特征，并用按身体部位活动度分配修正能力的运动感知门控限制对底层跟踪行为的干扰。 作者为每个跟踪器训练运动特定的残差策略并蒸馏为跨运动类别共享的统一策略。论文称，在 Unitree G1 上覆盖八类运动的仿真与物理实验表明，该方法在保留动态与姿态特征方面优于相应基线；论文标注为审稿中（Under Review）。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。