arXiv · 机器人与计算机视觉· Haozhuo Zhang, Qiang Zhang, Jian Tang, Mingzhe Ni, Michele Caprio, Angelo Cangelosi, Wei Pan·· 2026-10-07AI 评分74
Humanoid Horizon:通过并行训练、动态启动和奖励门控扩展全身操作视界
Humanoid Horizon: Extending Task Horizon in Whole-Body Loco-Manipulation via Parallel Training, Dynamic Starting, and Reward Gating
AI 导读
针对杂乱室内环境中大物体搬运的长视界全身操作难题,本文提出 Humanoid Horizon 统一策略框架。该方法利用并行训练策略确保各阶段持续梯度更新,结合动态启动机制增强边界鲁棒性,并通过奖励门控防止已放置物体被扰动。在双物体 LHM-Humanoid 基准测试中,350 个训练场景下各阶段成功率超 80%,且随任务视界增加时性能下降平缓,优于所有基线方法。
来源:arXiv · 机器人与计算机视觉 · arxiv.org