OmniInteract：面向双人形机器人的统一全身交互控制
论文提出 OmniInteract 框架，用于双人形机器人的统一全身交互控制，包含两个核心组件：表面接触感知重定向利用密集的人机表面对应关系对两个机器人联合重定向，保留接触界面与近场几何上下文；可扩展的基于流的交互策略将控制分解为冻结的全身运动先验与伙伴感知专家残差，并通过条件流匹配在共享残差动作空间中统一。实验显示该方法提升了重定向保真度与双人形协调性，在技能多样性增长时更好地保持交互性能；真实部署验证了接触建立、全身协调稳定及外部扰动恢复。
发布于 10-22 10:57来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《OmniInteract: Towards Unified Whole-Body Interaction Control for Dual Humanoids》查看原链
arXiv:2610.26043v2 公告类型：替换 摘要：物理交互是人形机器人协作的关键能力，需要协调的全身运动与精确接触。 然而，学习多样化的双人形机器人交互面临两大挑战：（1）人机形态差异在重定向过程中破坏接触界面与空间关系；（2）联合学习运动技能与伙伴协调，使得在交互多样性增长时难以保持控制保真度。
本文提出 OmniInteract，通过表面感知建模与可扩展残差策略学习来应对这些挑战。 首先，我们引入表面接触感知重定向（Surface Contact-Aware Retargeting），利用密集的人机表面对应关系对两个人形机器人进行联合重定向，保留显式的交互接触界面及其近场几何上下文。
其次，我们提出可扩展的基于流的交互策略（Scalable Flow-based Interaction Policy），用于生成以伙伴为条件的残差。 该方法将双人形机器人控制分解为可复用的运动基础与交互特定适配：伙伴感知专家在冻结的全身运动先验上学习修正，而条件流匹配在共享的残差动作空间中将它们统一。
这实现了可扩展的技能整合，同时保留预训练的运动能力。 大量实验表明，OmniInteract 提升了重定向保真度与双人形机器人协调性，并在技能多样性增长时更好地保持交互性能。 真实世界部署进一步展示了成功的接触建立、稳定的全身协调以及从外部扰动中的恢复。