面向感知型人形机器人跌倒恢复的测试时运动引导
研究团队提出 RISE 方法，让人形机器人在推理阶段按任务目标引导跌倒后的起身方式，而非仅追求可靠站起。该方法学习一个由感官反馈连接意图运动与电机动作的恢复词汇表，并用视觉扩散规划器从词汇表执行数据中预测未来身体状态作为运动意图，再由任务代价将预测导向期望朝向、起身速度或路径，生成条件化运动潜变量。仿真实验显示多样化恢复、地形适应与无需重训练的测试时引导，并在宇树 G1 上完成真实世界演示。
发布于 10-22 13:00来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Test-Time Motion Steering for Perceptive Humanoid Fall Recovery》查看原链
人形机器人跌倒恢复需要选择既适合周围场景又适合任务的动作。 同一个跌倒姿态可以有多种站起方式，具有不同的路线、支撑转换和最终朝向。 然而，仅靠可靠的恢复并不能控制机器人执行其中哪一种方式。 要引导这一选择，需要预判所请求运动的物理后果。 我们提出 RISE，一种感知型人形机器人恢复方法，让任务目标在推理时引导机器人如何恢复站立。
它基于两个洞见：多样化的恢复动作可以由共享运动组合而成；预判这些运动如何展开，可以使恢复被引导向某个任务目标。 我们学习一个恢复词汇表，通过感官反馈将意图运动与电机动作连接起来。 一个视觉扩散规划器从该词汇表的执行中学习，将运动意图预测为未来身体状态。
任务代价引导这一预测朝向期望的朝向、起身速度或路径。 随后规划器生成以被引导意图为条件的运动潜变量，使所请求的运动塑造其执行。 仿真实验展示了多样化的恢复、地形适应以及无需重新训练的测试时引导，并在宇树 G1 上补充了真实世界演示。 项目页面：https://osheraz.github.io/RISE/