arXiv · cs.RO官方发布· Jean-Pierre Sleiman, Bilal Hammoud, He Li, Jonathan Foster, Sylvain Bertrand, Jessica K. Hodgins, Farbod Farshidian·· 2 小时前精选AI 评分72
论文 / 摘要阅读
HLO-AMP：基于物体感知运动先验的分层人形移动操作框架
HLO-AMP: Hierarchical Loco-Manipulation from Object-Aware Motion Priors
AI 导读 · 根据来源整理
HLO-AMP 提出一种分层人形移动操作框架，把底层控制器本身训练为物体感知的运动先验：用重定向动捕参考做运动模仿，训练时被操作物体真实存在于场景中，从而继承类人协调并直接吸收真实接触力旋量，同时保留与命令跟踪式全身控制器相同的紧凑任务空间命令接口。上层采用无参考的高层策略，其动作通道锚定在底层训练数据的经验包络内，以把先验泛化到长时程多阶段任务并防止底层偏离分布。作者在宇树 G1 上实现双臂箱子取放，同一部署策略可泛化到不同物体质量与尺寸、初始与目标位姿，并能在搬运中物体意外掉落时反应式恢复。该工作已被 CoRL 2026 接收。
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