基于人类运动先验的机器人运动过渡
论文提出 STAMP 框架，通过“机器人—人类—机器人”流程连接独立获取的人形机器人运动：先将两段运动重定向到人类骨架，由学习到的对齐模型对候选位置、朝向和过渡时长排序，再由人类运动先验在选定对齐下生成过渡，最后重定向回机器人并作为参考训练运动跟踪策略。作者在 Unitree G1 与 ROBOTIS K1 上评估生成过渡的跟踪成功率，并用实体机器人演示将独立运动连接成长时程序列。
发布于 10-23 23:01来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Robot Motion Transition with Human Motion Prior》查看原链
arXiv:2610.30817v1 公告类型：新论文 摘要：人形机器人运动跟踪策略能够复现多种行为，但将独立获取的运动连接成连续序列仍具挑战性。 插值方法连接边界姿态时，未考虑其相对位置、朝向和时序是否构成合适的过渡条件。 生成式运动先验可产生更丰富的运动，但边界安排不当可能导致其生成过多的移动、转向或其他非预期动作。
我们提出时空对齐与运动先验（STAMP）框架，通过“机器人—人类—机器人”流程连接独立获取的人形机器人运动。 STAMP 利用人类运动空间获取丰富的运动先验，并跨机器人本体复用过渡知识。 其核心是一个学习到的对齐模型，用于确定运动补间的边界条件。
给定重定向到人类骨架的两段运动，对齐模型为后续运动对候选位置、朝向和过渡时长进行排序。 人类运动先验在选定的对齐条件下生成过渡。 完成的序列被重定向到机器人，并作为参考用于训练运动跟踪策略。 我们在 Unitree G1 和 ROBOTIS K1 上评估生成过渡的跟踪成功率。
实体机器人演示进一步表明，STAMP 能将独立获取的运动连接成长时程序列。 项目页面：https://childtoy.github.io/STAMP-project