OpenHLM开源全身人形移动操作VLA配方

Yingdong Hu等作者在arXiv发布预印本OpenHLM，提出一套面向全身人形移动操作的开源VLA训练配方，目标是把语言和像素直接映射到人形机器人全部自由度，而非将上下半身拆成独立控制器。作者称已开源代码、训练数据和模型权重。 作者按全身遥操作、VLA模型设计、异构协同训练三阶段做单变量实验，称基于关节的全身遥操作接口优于只部分暴露自由度的方案；在静态和轮式双臂平台上预训练的VLA能迁移到人形机器人完整动作空间；与HuMI（UMI的人形对应版本）协同训练，可在不额外采集目标全身遥操作数据的情况下把策略扩展到新物体和指令。 作者称在一个跨越人形机器人较大垂直范围的长程任务上，OpenHLM以不到对比方案一半的总演示时间优于GR00T N1.6和Ψ0两个基线。上述结果出自作者自述的预印本，尚未经同行评议或独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。