跳到正文
arXiv · 机器人与计算机视觉· Jean-Pierre Sleiman, Bilal Hammoud, He Li, Jonathan Foster, Sylvain Bertrand, Jessica K. Hodgins, Farbod Farshidian·· 15 天前精选AI 评分78

HLO-AMP:基于物体感知运动先验的分层移动 - 操作框架

HLO-AMP: Hierarchical Loco-Manipulation from Object-Aware Motion Priors

AI 导读

论文提出 HLO-AMP 框架,通过分层策略解决人形机器人移动与操作任务中低层控制器缺乏物体感知的难题。方法将低层控制器训练为物体感知运动先验,利用重定向动作捕捉数据在真实物体存在时学习自然协调与接触力分布;高层策略则基于经验包络进行参考免费训练以防止越界。实验在宇树 G1 平台上实现了双手抓放任务,验证了该方法对物体质量、尺寸及初始目标位姿的泛化能力,并展示了从搬运中故意掉落后的恢复效果。

推荐理由

该工作提出将低层控制器训练为物体感知的运动先验,在真实物体存在下学习自然协调与接触力分布。

来源:arXiv · 机器人与计算机视觉 · arxiv.org