X-WBC：面向人形机器人全身控制的跨本体基础模型
X-WBC 提出跨本体人形机器人全身控制基础框架，将共享的人体运动语义与各本体特定的物理执行分离：以人为中心的命令 token 对齐完整人体运动、机器人参考运动和稀疏 VR 观测，因果 Transformer 从多机器人混合 rollout 中学习可复用的时序结构，轻量级本体特定模块再把共享表示映射到各机器人的本体感知与动作空间。实验覆盖九个仿真本体、外部运动数据和四台真实机器人，结果显示联合训练提升跟踪性能，对齐表示支持跨命令源的一致控制，策略在训练语料之外仍具竞争力。作者据此主张异构人形机器人可作为联合数据源，跨本体联合训练是通向全身控制基础模型的可行路径。
发布于 10-27 12:59来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《X-WBC: A Cross-Embodiment Foundation Model for Humanoid Whole-Body Control》查看原链
arXiv:2609.15213v2 公告类型：替换 摘要：将人形机器人全身控制扩展到通用部署，需要大规模人体运动语料和跨机器人本体共享的训练经验。 现有方法通常为每个机器人训练一个策略，导致运动经验在不同本体之间彼此隔离。 我们提出 X-WBC，一个跨本体基础框架，将相对共享的人体运动语义与本体特定的物理执行分离。
以人为中心的命令 token 对齐完整人体运动、机器人参考运动和稀疏 VR 观测。 因果 Transformer 从混合多机器人 rollout 中学习可复用的时序结构，轻量级机器人特定模块将共享表示映射到每个机器人的本体感知与动作空间。 在九个仿真本体、外部运动和四台真实机器人上的实验表明，联合训练提升了跟踪性能，对齐后的表示支持跨命令源的一致控制，学习到的策略在训练语料之外仍保持竞争力。
这些结果支持将异构人形机器人作为联合数据源，并确立跨本体联合训练作为通往全身控制基础模型的可行路径。