Filter-Aware Fine-Tuning for Safe Humanoid Whole-Body Tracking

📄 arXiv: 2610.02341v1 📥 PDF

作者: Pranit Mohnot, Christian Helten, Daniele Gammelli, Marco Pavone

分类: cs.RO

发布日期: 2026-10-01

备注: 8 pages, 6 figures

💡 一句话要点

提出CoFiT方法以解决人形机器人安全全身跟踪问题

🎯 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)

关键词: 人形机器人 安全控制 强化学习 动态环境 全身跟踪 过滤器感知微调 运动规划 控制障碍函数

📋 核心要点

  1. 现有方法将跟踪策略与安全过滤器独立处理，导致执行动作与状态分布的不匹配，影响安全性。
  2. 提出CoFiT方法，通过对预训练跟踪器进行过滤器感知微调，优化策略与安全过滤器之间的交互。
  3. 实验结果显示，CoFiT在多个场景中显著减少了违规时间，且在实际硬件上表现优异，提升了安全性。

📝 摘要（中文）

安全的全身运动对于在非结构化环境中部署人形机器人至关重要。现代人形控制通常将参考规范与执行分开，使用规划器、遥控器或运动生成器提供参考，强化学习策略通过动态可行的全身控制进行跟踪。然而，独立处理跟踪策略与安全过滤器会导致基本的不匹配。本文提出CoFiT（约束过滤器感知微调）方法，通过案例研究揭示了动态、目标和信息不匹配的根本原因，并利用这些见解开发了CoFiT。实验表明，CoFiT在多种约束场景中相较于仅使用过滤器的训练，TWIST2场景下减少了91%的违规时间，SONIC场景下减少了21%。在Unitree G1硬件上，CoFiT在TWIST2场景中减少了83%的违规时间，且所有试验均无需操作员干预。

🔬 方法详解

问题定义：本文旨在解决人形机器人在非结构化环境中进行安全全身跟踪的问题。现有方法将跟踪策略与安全过滤器独立处理，导致执行动作与状态分布的不匹配，从而影响机器人的安全性和性能。

核心思路：论文提出的CoFiT方法通过对预训练跟踪器进行过滤器感知微调，旨在优化跟踪策略与安全过滤器之间的交互，确保在执行过程中能够有效遵循安全约束。

技术框架：整体架构包括三个主要模块：预训练跟踪器、运行时安全过滤器和CoFiT微调模块。预训练跟踪器提供初步的动作输出，安全过滤器实时监控并调整这些输出，而CoFiT模块则负责根据过滤器的反馈对跟踪策略进行微调。

关键创新：最重要的技术创新点在于通过引入过滤器感知的微调方法，解决了传统方法中跟踪策略与安全过滤器之间的根本不匹配问题。这一方法显著提升了机器人在复杂环境中的安全性和执行效率。

关键设计：在设计中，CoFiT方法采用了特定的损失函数来平衡跟踪精度与安全性，并通过动态调整过滤器参数来优化策略输出。此外，网络结构经过精心设计，以确保在不同场景下的适应性和鲁棒性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，CoFiT方法在TWIST2场景中减少了91%的违规时间，在SONIC场景中减少了21%。在Unitree G1硬件上，CoFiT在TWIST2场景中减少了83%的违规时间，且所有试验均无需操作员干预，而基线方法中有50%的试验需要操作员停止。

🎯 应用场景

该研究的潜在应用领域包括服务机器人、救援机器人以及任何需要在动态和复杂环境中安全操作的人形机器人。通过提高机器人在执行任务时的安全性和效率，CoFiT方法能够推动人形机器人在实际应用中的广泛部署，具有重要的实际价值和未来影响。

📄 摘要（原文）

Safe whole-body motion is essential for deploying humanoid robots in unstructured environments. Modern humanoid control commonly separates reference specification from execution, with a planner, teleoperator, or motion generator providing a reference that a reinforcement-learning policy tracks through dynamically feasible whole-body control. Runtime safety filters, such as control barrier functions (CBFs), offer a promising approach for enforcing newly introduced constraints via interventions on the tracker's outputs. We show, however, that treating the tracking policy and safety filter independently induces fundamental mismatches, as filtering alters both the executed actions and the induced state distribution. We study this policy-filter interface through case studies that isolate dynamics, objective, and information mismatches, highlight their root causes, and use these insights to develop CoFiT (Constrained Filter-aware Tuning), a filter-aware fine-tuning method for pretrained trackers. Across diverse constraint scenes, CoFiT reduces violation time relative to filter-only training by 91% on TWIST2 and 21% on SONIC, while requiring smaller safety filter corrections. On Unitree G1 hardware, CoFiT reduces violation time by 83% for TWIST2 and completes every trial without operator intervention, whereas 50% of baseline trials require an operator stop. Together, these results provide actionable insights into policy-filter interactions and establish design principles for integrating learned trackers with runtime safety filters.