Learning Distance-Conditioned Object Transport for Humanoid Loco-Manipulation from a Single Motion Clip
作者: Yuhyeon Hwang, Daniel Sungho Jung, YongHyeok Seo, Mingi Jung, Chang Nho Cho, Jung-Hoon Hwang, Dongin Shin
分类: cs.RO
发布日期: 2026-09-18
💡 一句话要点
提出距离条件物体运输学习以解决人形机器人运动再现问题
🎯 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) 支柱八：物理动画 (Physics-based Animation)
关键词: 人形机器人 运动再现 距离条件学习 行为克隆 强化学习 轨迹重标记 自主操作
📋 核心要点
- 现有方法在处理人形机器人运动再现时，无法有效解决终止与经过状态之间的差距，导致运输结果不理想。
- 论文提出的距离条件参考重组（DCRR）方法，通过重新定位终止片段到中间状态，改善了运动轨迹的表现。
- 实验结果显示，DCRR-BC在多个交互模式下的平均绝对误差为0.15，显著优于源行为克隆的0.28，且强化学习微调进一步提升了性能。
📝 摘要（中文）
运动跟踪可以从单个重定向的运动片段中再现人形机器人的运动操作，但基于固定参考训练的策略主要重现其展示的运输结果。我们识别出这一不匹配为终止与经过状态的差距：中间位移被视为经过状态而非终止完成结果。我们提出了距离条件参考重组（DCRR），将展示的终止片段重新定位到中间运输状态。通过闭环动态重放重组的参考，保留的轨迹根据其实现的物体放置进行重新标记，并蒸馏成无参考策略。DCRR-BC在多个交互模式下实现了命令依赖的运输，整体归一化距离平均绝对误差（MAE）为0.15，相比之下，仅基于源的行为克隆为0.28。强化学习微调进一步提升了命令响应和执行的鲁棒性，硬件实验展示了在所有四种交互模式下的运输距离调制。
🔬 方法详解
问题定义：本论文旨在解决人形机器人在运动再现中的终止与经过状态之间的差距问题。现有方法在固定参考下训练，导致无法有效处理中间位移的运输结果。
核心思路：论文提出的DCRR方法通过将展示的终止片段重新定位到中间运输状态，构建了距离条件的监督信号，从而改善了机器人在不同交互模式下的运动表现。
技术框架：整体框架包括三个主要模块：首先，使用冻结的跟踪教师重放重组的参考；其次，在闭环动态下进行轨迹保留；最后，根据实现的物体放置对轨迹进行重新标记，并蒸馏成无参考策略。
关键创新：DCRR的核心创新在于将终止状态与中间状态结合，通过距离条件的监督信号来增强策略的学习能力，这与传统的固定参考方法有本质区别。
关键设计：在设计中，采用了特定的损失函数来优化轨迹的重标记过程，并通过强化学习微调来进一步提升策略的鲁棒性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，DCRR-BC在多个交互模式下的平均绝对误差（MAE）为0.15，相比源行为克隆的0.28有显著提升。此外，强化学习微调进一步增强了命令响应和执行的鲁棒性，展示了良好的实用性。
🎯 应用场景
该研究的潜在应用领域包括人形机器人在复杂环境中的自主操作，如物体搬运、交互式服务等。通过提升机器人在不同交互模式下的运动能力，未来可在物流、家庭服务和医疗辅助等领域发挥重要作用。
📄 摘要（原文）
Motion tracking can reproduce humanoid loco-manipulation from a single retargeted motion clip, but a policy trained on a fixed reference primarily reproduces its demonstrated transport outcome. Although the source trajectory visits intermediate object displacements, transport termination is demonstrated only at its endpoint. We identify this mismatch as the termination-versus-passage gap: intermediate displacements are observed as passage states rather than termination-complete outcomes. We introduce Distance-Conditioned Reference Recomposition (DCRR), which relocates the demonstrated termination segment to intermediate transport states. A frozen tracking teacher replays the recomposed references under closed-loop dynamics, and the retained trajectories are relabeled by their achieved object placements and distilled into a reference-free policy. This procedure constructs distance-conditioned supervision from the interaction behavior encoded in the source motion. Across Carry, Kick-Push, Crouch-Push, and Drag, DCRR-BC produces command-dependent transport with an overall normalized distance mean absolute error (MAE) of 0.15, compared with 0.28 for source-only behavior cloning. RL fine-tuning further improves the command response and execution robustness in the training simulator and under sim-to-sim transfer. Finally, hardware experiments demonstrate transport-distance modulation across all four interaction modes.