SP-HLM：稀疏姿态驱动的人形机器人运动生成与全身控制框架

Zhaohui Yang 等研究者提出 SP-HLM 框架，用五个任务关键身体姿态加学习到的隐式运动先验表示空间意图与全身协调，衔接人形机器人 loco-manipulation 的任务策略与全身控制。论文称，仿真与真实人形机器人实验显示其在运动跟踪、全身协调和 loco-manipulation 成功率上优于已有方法。 框架由三个模块组成：SP-VLA 视觉-语言-动作模型从多模态观测和语言指令中以异步动作块推理预测任务相关稀疏姿态与手指关节位置；SP-MGM 运动生成模型经两阶段蒸馏实时重建全身协调运动；SP-GMT 通用运动跟踪器将显式稀疏目标与隐式运动先验结合用于全身控制。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。