REACT框架让人形机器人从人-人演示学习交互策略

Yuto Shibata等人提出REACT框架，从人-人演示中学习可部署的人形机器人-人交互策略，用VLM引导的接触建模与重定向管线识别语义接触并迁移到人形-人几何上，再将特权交互策略蒸馏为完全依赖机载传感的自我中心深度策略。 该框架在仿真和真实Unitree G1人形机器人上评估了五项接触密集型交互。真实硬件上，REACT仅用机载传感即可完成全部五项交互；生成式伙伴状态建模在五项交互中的四项提升了接触召回率，在严重遮挡情况下提升最明显。

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。