arXiv Robotics· ZhenYu Zou, Xing Liu, ShiChuang Wang, YunLong Dong, LiNan Deng, Feng Hua, Jun Wan, Cheng Cheng·· 13 小时前AI 评分43
ForPC：面向人形机器人精准推车的力感知全身控制框架
ForPC: Force-Aware Whole-Body Control for Precise Humanoid Cart Pushing
AI 导读
ForPC 是一个力感知全身控制框架，通过两阶段强化学习调节推车速度，无需外部力传感器即可从本体观测推断力潜变量与状态潜变量。仿真实验中，其推车速度 RMSE 较仅运动控制基线最高降低 68.2%，多弯道路线横向误差 RMSE 最高降低 74.2%。该策略仅在仿真中训练，零样本迁移至 Unitree G1 实机，无需负载专项调整即可推动载重 30 kg 的推车以 0.5 m/s 行进。
推荐理由模型分析
ForPC 针对人形机器人推车时双臂抓握形成力耦合回路、载荷变化扰动平衡的问题，用两阶段强化学习把运动先验与残差策略结合，并从机载观测推断力潜变量，省去外部力传感器和人工示教。仿真中相对仅运动基线把推车速度 RMSE 降低最多 68.2%，多弯道路径横向误差降低最多 74.2%；仅仿真训练即可零微调迁移到 Unitree G1，推动 30 kg 载荷以 0.5 m/s 行进。做全身控制与 sim-to-real 的开发者可参考其力感知与多目标奖励设计，但证据限于仿真对比和单次实机演示，尚不能据此判断量产搬运效果。
来源：arXiv Robotics · arxiv.org