人形全身控制残差学习框架提出

2026年10月15日，arXiv Robotics 报道，Lingfan Bao 等作者提出一种保留表现力特征的人形机器人全身控制残差学习框架。报道称，现有人形全身跟踪器优先关节与关键点跟踪，却未必保留动作的表现力特征；为此，研究者提出残差学习框架，以幅度、能量、身体扩张、身体倾斜和骨盆高度为补偿目标，并用运动感知门控按身体部位活跃度分配修正能力。方法上，针对每个冻结跟踪器训练运动专属残差策略，再蒸馏为跨运动类别共享的统一策略。报道称，在 Unitree G1 上的仿真与物理实验覆盖八类运动，动态与姿态特征的保留效果优于对应基线。目前进展停留在该方法提出与实验验证阶段，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。