Belief-Overlap Partial Inversion: Object-Centric Flow Replanning for Humanoid Loco-Manipulation
作者: Chen Yu, Sudarshan S Harithas, Juan Borbon, Dingqi Zhang, Jiuguang Wang
分类: cs.RO
发布日期: 2026-10-09
💡 一句话要点
提出Belief-Overlap Partial Inversion以解决人形机器人推物体的规划问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 人形机器人 运动规划 动态环境 信念重构 物体操作 流动规划 全身控制 非全向推车
📋 核心要点
- 现有方法在处理未知物体的动态特性时，容易导致机器人在执行任务时出现计划失效或路径偏离的问题。
- 本文提出了一种名为Belief-Overlap Partial Inversion (BOPI)的方法，通过在信念变化时进行局部流反转，优化了机器人推物体的运动规划。
- 实验结果显示，BOPI在18个模拟目标中将最终位置和偏航误差分别降低了约33%和47%，在实际硬件上也成功实现了非全向推车的运动控制。
📝 摘要（中文）
人们常通过小幅推动不熟悉的物体来学习其运动方式，并利用其反应指导下一步动作。受到这一行为的启发，本文研究了人形机器人推送质量和转向刚度未知的推车。我们提出的以物体为中心的框架将在线估计、基于流的规划和全身控制结合成一个循环，形成了一种张力：当信念变化时，替换计划会干扰正在进行的操作，而保持计划则会使机器人陷入其证据已排除的路径。Belief-Overlap Partial Inversion (BOPI)根据一致性调整修正，仅在信念不一致的地方反转旧信念下的流，然后在新信念下重建。通过18个模拟目标，BOPI将最终位置和偏航误差分别降低了约33%和47%，在硬件上成功实现了非全向推车的平移和转向。
🔬 方法详解
问题定义：本文旨在解决人形机器人在推送质量和转向刚度未知的物体时，如何有效进行运动规划的问题。现有方法在信念变化时容易导致计划失效，影响机器人执行任务的能力。
核心思路：我们提出的BOPI方法通过在信念不一致的区域进行局部流反转，避免了完全替换计划带来的干扰，同时在新信念下重建运动规划，从而提高了机器人在动态环境中的适应能力。
技术框架：整体框架包括在线估计、基于流的规划和全身控制三个主要模块。首先，机器人通过感知获取物体的动态特性，然后利用流动规划生成运动轨迹，最后通过全身控制实现精确的运动执行。
关键创新：BOPI的核心创新在于其信念重构机制，通过局部反转流动来处理信念变化，显著提高了机器人在不确定环境中的运动稳定性和灵活性。这一方法与传统的固定深度重规划方法相比，能够更有效地应对动态变化。
关键设计：在设计中，我们设置了适应性参数以调节信念重构的灵活性，并采用了特定的损失函数来优化运动轨迹的平滑性和准确性。此外，网络结构经过精心设计，以支持实时的在线估计和规划。
🖼️ 关键图片
📊 实验亮点
实验结果表明，BOPI方法在18个模拟目标中将最终位置和偏航误差分别降低了约33%和47%，在实际硬件测试中成功实现了非全向推车的平移和转向，展示了其优越的运动规划能力。
🎯 应用场景
该研究的潜在应用领域包括服务机器人、物流自动化和人机协作等场景。在这些领域，机器人需要在动态和不确定的环境中进行高效的物体操作和运动规划，BOPI方法能够显著提升其性能和适应能力，具有广泛的实际价值和未来影响。
📄 摘要（原文）
People often learn how an unfamiliar object moves through a small exploratory push, using its response to guide their next motion. Inspired by this behavior, we study humanoids pushing carts whose mass and caster stiffness are initially unknown. Our object-centric framework closes online estimation, flow-based planning, and whole-body control into a loop, creating a tension: replacing the plan whenever the belief shifts disrupts the maneuver under way, while keeping it strands the robot on a path its evidence has ruled out. Belief-Overlap Partial Inversion (BOPI) scales revision to agreement, inverting the flow under the old belief only as far as the beliefs disagree before reconstructing under the new one. Across 18 simulated goals it lowers pooled final position and yaw error by roughly 33% and 47% against fixed-depth replanning, and on hardware it translates and turns a non-holonomic cart.