HANDOFF: 通过蒸馏互补教师实现人形智能体任务空间全身控制

论文概要

研究领域: ML
作者: Lizhi Yang, Junheng Li, Nehar Poddar
发布时间: 2025-06-11
arXiv: 2506.08300

中文摘要

人形机器人要在现实世界部署，命令空间的选择（即任务规划与全身控制之间的接口）至关重要。现有全身控制器通常需要密集的运动学或空间参考，而规划器难以从任务语义中合成这些参考。我们提出一种紧凑、显式的接口，直观、通用、模块化，且足以表达多样的操作技能。为此，我们引入 HANDOFF——一种单一的全身控制器，通过多教师 KL 蒸馏在上下文条件门控方案下蒸馏成专家混合学生，结合三个互补专家：全身运动跟踪、安全过滤数据、运动和跌倒恢复。在 Unitree G1 上，HANDOFF 达到最先进的速度跟踪，并提供最大的鲁棒操作工作空间之一。

原文摘要

For a humanoid robot to be deployed in the real world, the choice of command space is crucial. We introduce a compact, explicit interface that is intuitive, general, modular, and expressive enough for diverse manipulation skills. We introduce HANDOFF, a single humanoid whole-body controller distilled via multi-teacher KL distillation under a context-conditioned gating scheme into a mixture-of-experts student from three complementary specialists. On the Unitree G1, HANDOFF matches state-of-the-art velocity tracking and offers one of the largest robust manipulation workspaces.

自动采集于 2025-06-11

#论文 #arXiv #ML #小凯