arXiv · cs.RO· Yi Han, Xingyu Chen, Zixuan Lang, Qianyang Wu, Yuhang Lin, Ji Ma, Liang Li, Dongting Li, Xinpeng Liu, Ruoli Dai, Hesheng Wang, Renjing Xu, Lei Han·· 3 小时前精选AI 评分71
论文 / 摘要阅读
HIPC:基于目标条件运动闭合的人形机器人迭代规划与控制
HIPC: Humanoid Iterative Planning and Control via Goal-Conditioned Motion Closure
AI 导读 · 根据来源整理
HIPC 是一个实时人形机器人迭代规划与控制框架,把生成模型与运动跟踪耦合为统一的规划控制范式。现有方法以开环方式组合运动生成器与控制器,跟踪误差会累积成空间漂移,规划器也无法根据物理执行反馈应对扰动;而直接把实际状态回灌规划器又会因训练分布外导致动作不连续、抖动甚至摔倒。HIPC 用规范运动表示训练目标条件运动规划,避免极端姿态下的万向锁奇异,并支持多样几何与语义条件下的运动生成;同时采用偏差衰减恢复与历史重锚定两种策略缓解实际状态反馈带来的分布外偏移,并以带延迟补偿的异步规划控制系统降低推理延迟造成的时间错配。
本站目前提供摘要
以上是对来源材料的中文整理,不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源:arXiv · cs.RO · arxiv.org