HoloBoxing: A Simple Recipe for Humanoid Boxing with 7 Minutes of Single-GPU Training
作者: Xihan Ma, Bo Zhang, Boxiong Li, Yuhan Bao, Ziyue Liu, Yucheng Wang
分类: cs.RO
发布日期: 2026-10-23
💡 一句话要点
提出HoloBoxing以实现高效的人形拳击训练
🎯 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 拳击训练 强化学习 运动技能 控制器 任务决策 快速学习
📋 核心要点
- 现有的人形机器人拳击训练方法通常需要大量的训练时间和复杂的控制策略，难以实现高效的学习和适应。
- HoloBoxing通过将运动技能与任务决策分离，利用预训练的控制器和紧凑的规划器，实现了快速的拳击技能学习。
- 实验结果表明，该方法在仅七分钟的训练时间内，能够有效提升人形机器人的拳击表现，避免了重新学习全身控制的需求。
📝 摘要（中文）
HoloBoxing提出了一种简单的学习人形拳击的方法，该方法基于预训练的全身控制器。该方法将可重用的运动技能与任务决策分离，采用紧凑的规划器请求未来的身体目标，同时冻结的控制器处理关节级执行。通过学习的解码器将32维动作映射到结构化目标窗口，并通过状态模仿初始化规划器，随后进行强化学习以优化交互行为。该方法在七分钟内完成额外训练，展示了在模拟拳击实验中的有效性。
🔬 方法详解
问题定义：本论文旨在解决人形机器人拳击训练中训练时间长和控制复杂的问题。现有方法往往需要大量的训练数据和时间，难以实现快速适应。
核心思路：HoloBoxing的核心思路是将可重用的运动技能与任务决策分离，利用预训练的全身控制器和紧凑的规划器来实现高效的学习。通过这种设计，可以在保持控制精度的同时，减少训练时间。
技术框架：该方法的整体架构包括三个主要模块：预训练的全身控制器、紧凑的规划器和学习的解码器。规划器负责生成未来的身体目标，而控制器则执行关节级动作。解码器将32维动作映射到结构化的目标窗口。
关键创新：HoloBoxing的最大创新在于将运动技能与任务决策分离，使得在已有控制器的基础上，仅需少量的额外训练即可实现复杂的任务学习。这一方法显著降低了训练的复杂性和时间成本。
关键设计：在设计中，使用了状态模仿初始化规划器，并在强化学习阶段优化交互行为。关键参数包括解码器的结构和损失函数的设计，确保了动作的精确映射和执行。
🖼️ 关键图片
📊 实验亮点
实验结果表明，HoloBoxing在仅七分钟的训练时间内，成功实现了人形机器人的拳击技能学习，显著提高了机器人在模拟拳击中的表现。与传统方法相比，该方法减少了训练时间，并保持了高效的控制精度。
🎯 应用场景
HoloBoxing的研究成果具有广泛的应用潜力，尤其是在机器人训练、游戏开发和人机交互等领域。通过快速学习复杂的运动技能，该方法能够提升机器人在动态环境中的适应能力，推动智能机器人在实际应用中的发展。
📄 摘要（原文）
HoloBoxing presents a simple recipe for learning humanoid boxing by building on a pretrained whole-body controller. The recipe separates reusable motor skills from task decisions: a compact planner requests future body-point targets, while the frozen controller handles joint-level execution. A learned decoder maps 32-dimensional actions to structured target windows, and measured-state imitation initializes the planner before reinforcement learning. Task learning then refines interaction behavior while reusing the decoder and controller, avoiding the need to relearn whole-body control. This combination keeps task optimization focused on a compact upper policy and supplies an initial behavior before reward-driven exploration. Starting from that available controller, the recipe accounts for about seven minutes of additional training, including reused representation fitting and a single-GPU task run. This excludes controller pretraining, data preparation, evaluation, and search. Simulated boxing experiments and component controls evaluate the resulting behavior and the roles of imitation initialization and the target representation.