Learning Slope-Adaptive Whole-Body Locomotion for Humanoid Robots in Roofing Construction
作者: Songyang Liu, Shuai Li
分类: cs.RO
发布日期: 2026-09-17
💡 一句话要点
提出基于场景的全身运动学习框架以解决人形机器人屋顶施工问题
🎯 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) 支柱四：生成式动作 (Generative Motion) 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)
关键词: 人形机器人 屋顶施工 全身运动学习 强化学习 动态跟踪 运动优化 任务语义
📋 核心要点
- 现有方法在屋顶施工中难以实现人形机器人运动的准确性和协调性，尤其是在倾斜表面上。
- 本文提出的框架通过任务语义和场景基础的学习方法，使机器人能够有效地模仿人类的屋顶施工动作。
- 实验结果表明，该方法在钉枪、锤击和推压任务中实现了较低的工作间隙误差，且每项任务均成功评估。
📝 摘要（中文）
屋顶施工要求工人协调运动、平衡和与工作相关的身体动作在倾斜表面上进行，这对人形机器人提出了挑战。直接重定向的人类示范可能会保留动作外观，但可能导致机器人在屋顶上的手脚位置不正确。本文提出了一种任务语义场景基础的框架，用于在Unitree G1上学习屋顶工人风格的全身运动。通过跟踪系统捕获人类示范并重定向到机器人，同时使用度量屋顶模型提供跟踪系统无法获得的空间参考。轨迹级优化将推断的支撑接触和注释的工作关系与屋顶相结合，执行感知的强化学习鼓励生成的策略在动态跟踪误差下保持这些关系。该框架通过多运动跟踪研究、屋顶倾斜覆盖矩阵、五种钉枪消融实验、锤击和侧推的跨任务实验以及与纯强化学习和零样本遥操作的比较进行评估。
🔬 方法详解
问题定义：本文旨在解决人形机器人在屋顶施工中运动协调性不足的问题，现有方法在重定向人类示范时可能导致机器人在屋顶上的手脚位置不准确。
核心思路：提出了一种基于任务语义和场景的学习框架，通过捕获人类示范并结合空间参考，优化机器人运动以适应屋顶环境。
技术框架：整体框架包括人类示范捕获、运动重定向、轨迹级优化和执行感知强化学习四个主要模块，确保机器人能够在动态环境中保持运动的稳定性和准确性。
关键创新：最重要的创新在于引入了度量屋顶模型作为空间参考，并通过轨迹级优化将支撑接触和工作关系与屋顶进行有效结合，显著提升了运动的准确性。
关键设计：在参数设置上，采用了特定的损失函数来平衡运动的稳定性与灵活性，同时设计了适应性强的网络结构，以支持多种施工任务的执行。
🖼️ 关键图片
📊 实验亮点
实验结果显示，该方法在钉枪、锤击和推压任务中实现了工作间隙误差在0.256至0.531厘米之间，且每项任务均成功评估，表明该框架在动态跟踪误差下保持了良好的运动表现。
🎯 应用场景
该研究的潜在应用领域包括建筑施工、机器人辅助施工和人形机器人在复杂环境中的自主操作。通过提高人形机器人在倾斜表面上的运动能力，能够有效提升施工效率和安全性，未来可能在智能建筑和自动化施工中发挥重要作用。
📄 摘要（原文）
Roofing requires workers to coordinate locomotion, balance, and work-related body motions on pitched surfaces, creating a challenging application for humanoid robots. Directly retargeted human demonstrations, however, may preserve motion appearance while placing the robot's feet or hands incorrectly relative to the roof. This study presents a task-semantic scene-grounded framework for learning roofer-style whole-body motions on a Unitree G1. Human demonstrations are captured using a tracking system and retargeted to the robot, while a metric roof model supplies the spatial reference unavailable from the tracking system. A trajectory-level optimization grounds inferred support contacts and annotated work relations to the roof, and execution-aware reinforcement learning encourages the resulting policy to preserve these relations under dynamic tracking errors. The framework is evaluated through a multi-motion tracking study, a roof-pitch coverage matrix, a five-way nailgun ablation, cross-task experiments on hammering and lateral pushing, and comparisons with pure reinforcement learning and zero-shot teleoperation. Our method enables the robot to satisfy support, work-clearance, and nonpenetration criteria across all evaluated seeds. Across nailgun, hammering, and pushing, it achieves work-clearance errors between 0.256 and 0.531 cm and 3/3 successful evaluations per task. Physical experiments reproduce uphill walking, nailgun, hammering, and bending motions with mean base-frame motion errors below 80 mm. These findings establish scene-grounded human motion learning as a promising basis for construction-oriented humanoid motion primitives.