ExBody

Expressive Whole-Body Control for Humanoid Robots进阶

UCSD 2024 年提出：人形机器人上身模仿人类动作，双腿只负责稳稳跟速度。

ExBody 由 UC 圣地亚哥王小龙团队于 2024 年 2 月发布，发表于 RSS 2024，是较早把大规模人类动捕数据用于真实人形机器人全身控制的工作之一。难点在于人和机器人的自由度、力量差别很大，让整台机器人逐帧模仿人容易摔。ExBody 的办法是分工：上半身模仿参考动作的关节角和关键点，双腿不要求逐帧模仿，只需稳健地跟随参考动作给出的整体速度和朝向。数据取自 CMU 动捕库约 780 段片段，重定向到 19 自由度的宇树 H1 上，在 Isaac Gym 中用大规模并行强化学习训练后迁移到真机。后续的 ExBody2 等工作常拿它作对比基线。