HIPC：人形机器人迭代规划与控制框架

Yi Han等作者在arXiv预印本中提出HIPC，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。作者称，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，规划器也无法依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，以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；同时以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，并用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。 作者称实验显示HIPC在多样条件的切换与组合下有效，在现有方法中取得最优的目标到达精度，并表现出对物理扰动的鲁棒性和摔倒后恢复能力。该工作为预印本，未经同行评议，上述效果尚未经独立验证。

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。