跳到正文
arXiv · 机器人与计算机视觉· Donghoon Baek, Sang-Hun Kim, Sehoon Ha·· 2026-10-07精选AI 评分82

BAT:通过在线策略切换平衡敏捷性与稳定性的长时程全身人形机器人控制

BAT: Balancing Agility and Stability via Online Policy Switching for Long-Horizon Whole-Body Humanoid Control

AI 导读

针对长时程任务中精确控制与动态全身行为难以兼顾的挑战,本文提出 BAT 框架,利用 OpVQ-VAE(基于运动 token 的泛化预测)和 OpHRL(闭环状态感知预测),通过 Token-Familiarity Router 根据上下文动态切换控制器。该方法在已见长时程动作组合上达到 85.2% 成功率,未见动作保持 71.3%,并在 Unitree G1 人形机器人上实现零样本部署。

推荐理由

提出 BAT 框架,通过在线策略切换融合耦合与解耦控制器,在 Unitree G1 上实现长时程全身控制的鲁棒性与泛化性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org