One-shot Humanoid Whole-body Motion Learning

📄 arXiv: 2510.25241v1 📥 PDF

作者: Hao Huang, Geeta Chandra Raju Bethala, Shuaihang Yuan, Congcong Wen, Anthony Tzes, Yi Fang

分类: cs.RO, cs.AI

发布日期: 2025-10-29

备注: 10 pages, 3 figures, 5 tables

💡 一句话要点

提出基于单样本学习的人形机器人全身运动策略训练方法

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)

关键词: 人形机器人 全身运动学习 单样本学习 保序最优传输 强化学习

📋 核心要点

  1. 现有全身运动学习方法依赖大量训练样本，高质量人体运动数据收集成本高昂。
  2. 利用保序最优传输计算行走与非行走运动距离，插值生成中间姿势，优化后用于策略训练。
  3. 实验表明，该方法在CMU MoCap数据集上优于现有基线方法，性能显著提升。

📝 摘要（中文）

人形机器人全身运动是机器人领域的关键挑战，它整合了平衡、协调和适应性，以实现类人行为。然而，现有方法通常需要每个运动类别多个训练样本，导致高质量人体运动数据集的收集既费力又昂贵。为了解决这个问题，我们提出了一种新方法，该方法仅使用单个非行走目标运动样本以及容易获得的行走运动来训练有效的人形机器人运动策略。核心思想是利用保序最优传输来计算行走和非行走序列之间的距离，然后沿测地线进行插值以生成新的中间姿势骨架，接着优化这些骨架以获得无碰撞配置，并将其重新定向到人形机器人，最后集成到模拟环境中，通过强化学习进行策略训练。在CMU MoCap数据集上的实验评估表明，我们的方法始终优于基线方法，并在各项指标上取得了卓越的性能。代码将在接收后发布。

🔬 方法详解

问题定义：论文旨在解决人形机器人全身运动学习中，对每个运动类别需要大量训练样本的问题。现有方法依赖于大量高质量的人体运动数据，而这些数据的获取成本高昂且费时费力，限制了全身运动学习的效率和可扩展性。

核心思路：论文的核心思路是利用单样本学习，即仅使用一个目标运动样本和已有的行走运动数据，通过学习它们之间的关系，生成新的运动策略。通过这种方式，可以显著减少对大量训练数据的依赖，降低数据收集成本。

技术框架：整体框架包括以下几个主要阶段：1) 距离计算：使用保序最优传输（Order-Preserving Optimal Transport）计算行走运动和目标非行走运动序列之间的距离。2) 姿势插值：沿测地线在行走运动和目标运动之间进行插值，生成一系列中间姿势骨架。3) 碰撞避免与重定向：对生成的姿势骨架进行优化，确保无碰撞，并将运动重定向到人形机器人模型。4) 策略训练：将处理后的运动数据集成到模拟环境中，使用强化学习训练人形机器人的运动策略。

关键创新：该方法最重要的创新点在于利用保序最优传输来度量不同运动序列之间的距离，并在此基础上进行插值，从而生成新的运动姿势。这种方法能够有效地利用少量样本学习复杂的全身运动，避免了对大量数据的依赖。与现有方法相比，该方法在数据效率方面具有显著优势。

关键设计：论文的关键设计包括：1) 使用保序最优传输来保证运动序列的时间顺序一致性。2) 通过测地线插值生成平滑的中间姿势。3) 使用碰撞避免算法确保生成的运动姿势在物理上可行。4) 使用强化学习算法训练人形机器人的运动策略，使其能够适应不同的环境和任务。

📊 实验亮点

该方法在CMU MoCap数据集上进行了实验验证，结果表明，该方法在各项指标上均优于基线方法。具体性能数据未知，但摘要中明确指出该方法“始终优于基线方法，并在各项指标上取得了卓越的性能”，表明该方法具有显著的优势。

🎯 应用场景

该研究成果可应用于人形机器人的运动控制、动画生成、游戏开发等领域。通过单样本学习，可以快速生成各种复杂的人形机器人运动，降低开发成本，提高开发效率。未来，该技术有望应用于康复机器人、服务机器人等领域，实现更加自然、流畅的人机交互。

📄 摘要（原文）

Whole-body humanoid motion represents a cornerstone challenge in robotics, integrating balance, coordination, and adaptability to enable human-like behaviors. However, existing methods typically require multiple training samples per motion category, rendering the collection of high-quality human motion datasets both labor-intensive and costly. To address this, we propose a novel approach that trains effective humanoid motion policies using only a single non-walking target motion sample alongside readily available walking motions. The core idea lies in leveraging order-preserving optimal transport to compute distances between walking and non-walking sequences, followed by interpolation along geodesics to generate new intermediate pose skeletons, which are then optimized for collision-free configurations and retargeted to the humanoid before integration into a simulated environment for policy training via reinforcement learning. Experimental evaluations on the CMU MoCap dataset demonstrate that our method consistently outperforms baselines, achieving superior performance across metrics. Code will be released upon acceptance.