LHM-Humanoid 实现杂乱场景连续搬运

LHM-Humanoid 提出一种长时程人形运动控制方法，让机器人在杂乱场景中不用重置就能连续完成取物、搬运、放置的循环。该方法用两个目标条件控制器分别负责取放等子任务，并把每次循环的终止状态引导到可恢复区域，再通过对抗运动先验正则化，将控制器蒸馏成单一策略。 在覆盖四类房间的 350 种杂乱布局上，该方法在已见和未见的场景中，成功率和稳定性均大幅优于端到端强化学习、分层强化学习以及此前的物理仿真人-场景交互方法。

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。