ReactiveBFM 用闭环规划-控制让人形机器人反应式全身运动。
资讯摘要
论文提出 ReactiveBFM，一个实时闭环规划-控制框架，用于人形机器人全身控制。作者称其通过计划式前缀采样课程缓解暴露偏差，并用异步重规划与轨迹分块解决自回归规划与高频跟踪的延迟不匹配。在 Unitree G1 上，作者报告其实现零样本移动目标到达，并在严重扰动 sim-to-sim 测试中取得 93.1% 成功率，高于级联开环基线 28.6%。
要点速读
- 论文提出 ReactiveBFM 实时闭环规划-控制框架，针对现有 BFM 只能执行预定义参考动作、缺乏反应式全身协调的问题。
- 作者采用计划式前缀采样课程让生成式规划器从非完美物理状态学习纠错，并用异步重规划与轨迹分块协调规划延迟与高频跟踪。
- 作者报告在 Unitree G1 上实现零样本移动目标到达，严重扰动 sim-to-sim 基准成功率 93.1%，比级联开环基线高 28.6%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。