[论文] InterMimicGen: Scaling Humanoid Loco-Manipulation through Self-Evolvin...

论文概要

研究领域: Robotics 作者: Yucheng Zhang, Sirui Xu, Jinhong Li, Liuyu Bian, Anatulya Nandi, Derek Zhang, Xiangchen Liu, Xueting Li, Umar Iqbal, Yu-Xiong Wang, Liang-Yan Gui 发布时间: 2026-10-05 arXiv: 2610.06850

中文摘要

捕获的人机交互数据为类人机器人的移动操作提供了丰富的监督信号，但这些数据稀疏、异构且不能被机器人直接执行。我们提出 InterMimicGen，一个自进化的运动模仿框架，其中机器人运动数据和追踪策略相互改进。首先，整合动捕人机交互数据集并将其重定向为类人机器人参考，保留全身协调性和灵巧的手-物关系。其次，训练一个基于物理的通用追踪器，在仿真中于配备灵巧手的类人机器人上执行这些参考。第三，闭环数据飞轮：每轮对交互发生的位置和身体执行方式做微小且保任务的修改，在追踪器上微调，仅保留模拟执行能完成任务的变体作为下一轮种子。更多迭代中，这些微小修改复合成对稀疏原始演示的更广泛覆盖。实验展示了跨机器人构型的接触保持重定向、单一通用策略的广泛追踪、可执行动作随增强轮次持续增长以及真机迁移。

原文摘要

InterMimicGen is a self-evolving motion-imitation framework where robot motion data and tracking policy improve each other. It consolidates human-object interaction datasets, retargets them to humanoid references, trains a physics-based generalist tracker, and closes a data flywheel through task-preserving augmentation rounds.

---

*自动采集于 2026-10-07*

#论文 #arXiv #Robotics #小凯