论文页面 - OTRetarget：通过最优传输实现机器人与物体运动的联合重定向

Source: https://huggingface.co/papers/2609.36602

摘要

将人体动作迁移到 humanoid 机器人需要在适配机器人形态的同时，保留其与环境的交互。对于 loco-manipulation（移动操作）任务而言，这一点尤其具有挑战性：尽管身体比例存在差异，与地面和被操作物体的接触必须保持一致。然而，仅靠骨骼动作无法完整描述这些交互，而固定物体轨迹又会限制其向新 embodiment 的适配。本文提出了 OTRETARGET，一种从人体示教中联合重定向机器人与多物体运动的统一方法。我们的方法通过 signed distance（有符号距离）、closest surface point（最近表面点）和 relative direction（相对方向）来表示表面交互，并使用熵最优传输（entropic optimal transport）在人体、机器人和物体的几何结构之间迁移这些量。我们将得到的交互目标纳入一个带约束的逆运动学（inverse kinematics）公式中，在接触保持与运动风格之间取得平衡，并在每一帧联合优化机器人与物体的位姿。该公式无需对场景或示教进行重缩放，即可同时处理机器人-物体以及物体-物体之间的交互。我们在 OMOMO 上验证了所提方法，其机器人-物体交互的 Jaccard 得分达到 87%，深度误差为 8.7 mm，而 OmniRetarget 仅为 28% 和 29.3 mm。最后，我们展示了向物理 G1 humanoid 的迁移：基于重定向后的参考动作，使用强化学习（reinforcement learning）训练全身策略（whole-body policy），涵盖多种动作，包括双手搬运箱子并放置到桌面上。

查看 arXiv 页面 (https://arxiv.org/abs/2609.36602) 查看 PDF (https://arxiv.org/pdf/2609.36602) 项目页面 (https://simple-robotics.github.io/publications/otretarget/) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.36602)

在你的 agent 中获取该论文：

hf papers read 2609.36602

没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用该论文的模型 0

暂无关联该论文的模型

在一个模型的 README.md 中引用 arxiv.org/abs/2609.36602，即可从本页面链接到它。

引用该论文的数据集 0

暂无关联该论文的数据集

在一个数据集的 README.md 中引用 arxiv.org/abs/2609.36602，即可从本页面链接到它。

引用该论文的 Spaces 0

暂无关联该论文的 Space

在一个 Space 的 README.md 中引用 arxiv.org/abs/2609.36602，即可从本页面链接到它。

包含该论文的合集 0

暂无包含该论文的合集

将该论文添加到合集 (https://huggingface.co/new-collection)，即可从本页面链接到它。