《Sensors》：Residual Whole-Body Control for Contact-Aware Humanoid Loco-Manipulation with Phase-Conditioned Motion Priors
编辑推荐：
人形机器人对象搬运将高维运动与非平滑接触交互耦合。重定向演示先验在接触失配、载荷变化和动态扰动下可能失效。研究人员提出人形机器人对象搬运残差学习（ResCarry），一种建立在相位条件运动先验（phase-conditioned motion priors）之
人形机器人对象搬运将高维运动与非平滑接触交互耦合。重定向演示先验在接触失配、载荷变化和动态扰动下可能失效。研究人员提出人形机器人对象搬运残差学习（ResCarry），一种建立在相位条件运动先验（phase-conditioned motion priors）之上的残差全身控制（residual whole-body control）框架。该框架首先利用矢量量化码本（vector-quantized codebooks）和因果Transformer（causal transformer）训练以对象为中心的命令先验（object-centric command prior），以捕获多阶段交互。随后固定该先验，并由有界残差全身策略（bounded residual whole-body policy）从本体感觉、接触和对象状态反馈中学习关节参考修正。为降低灾难性失效，来自多原子分位数评论器（multi-atom quantile critic）的经验上尾危险度量（empirical upper-tail hazard metric）自适应调整近端策略优化（PPO）中的期望成本惩罚。一个可部署风险估计器（deployable risk estimator）在高危险状态下减慢命令推进。在六个接触指定家具操作任务中，ResCarry在Isaac Lab中达到59.7%成功率；零样本迁移（zero-shot transfer）到Unitree MuJoCo达到54.8%。
研究背景：人形机器人在人类中心环境中需协调移动与操作，而非分开处理。对象搬运是代表性全身任务，要求机器人接近对象、建立接触、移动负载并在不失去平衡的情况下放置。外部末端负载会改变运动并将操作与平衡调节耦合；浮动基座、间歇足接触、上肢运动和被操作对象紧密耦合。微小腕部位姿误差可使双侧保持未就位，躯干振荡可导致单侧接触丢失或滑移，跨步累积误差可导致掉落。载荷质量与惯性、摩擦、抓取几何、命令延迟和行走方向也会改变同一名义运动所需的修正。平均跟踪性能良好并不能防止跌倒、抓取丢失、碰撞和掉落。人类—对象演示可降低高维探索，但接触丰富的人形—对象数据稀缺；人—机器人重定向不能精确保持接触几何、执行器限制、平衡裕度、冲击时序或特定机器人—对象对的动力学。因此，研究人员开展固定运动先验、接触感知残差修正和经验上尾危险加权相结合的研究。
研究人员提出ResCarry两阶段残差学习框架（residual learning framework，在固定先验基础上学习有界修正的控制框架）。阶段I从重定向人—物运动和教师增强轨迹中学习相位条件、以对象为中心的命令先验，生成基座、躯干、腕部和夹爪命令后固定；阶段II将命令转换为名义全身参考，并从本体感觉、接触和对象相对反馈中学习有界关节参考修正。训练中用多原子分位数评论器（multi-atom quantile critic，用固定分位点估计危险成本分布的评论器）的上尾平均作为经验条件风险价值（CVaR，conditional value-at-risk，尾部风险度量）估计，驱动PPO期望成本惩罚系数更新；另训练可部署危险分数估计器调节命令推进。研究在六个姿态/标识符指定的家具交互与搬运任务中评估，并在Isaac Lab训练后零更新迁移至Unitree MuJoCo。结论是ResCarry在Isaac Lab达59.7%平均成功率、零更新MuJoCo达54.8%，高于匹配基线。其重要意义在于提供受控仿真证据，表明固定相位条件先验、接触感知残差修正和经验上尾危险加权可协同用于模拟人形机器人搬运；作者不声称通用人形操作或硬件可靠性。
关键技术方法（不超过250字）：研究采用两阶段方法。阶段I样本来源为OMOMO（Object Motion guided human Motion synthesis，对象运动引导人体运动合成）重定向至Unitree G1的人—物交互序列，并加入特权教师（privileged teacher，训练时提供覆盖的教师策略）增强轨迹；每任务400条，其中300条OMOMO重定向片段、100条教师生成片段。阶段I以矢量量化码本和因果Transformer学习命令先验并冻结。阶段II训练有界残差全身策略，actor输入本体感觉、接触标志和结构化对象位姿/速度；多原子分位数评论器以分位数Huber回归训练，上尾均值驱动PPO期望成本惩罚；可部署危险估计器仅用actor观测调节命令推进。训练在Isaac Lab 4096个并行环境、五种子下进行，并在Unitree MuJoCo零更新评估六个接触指定任务。
研究结果：
5.1 Comparison with Reference and Training Variants（与参考及训练变体的比较）：在Isaac Lab六任务五种子比较中，固定先验平均成功率16.5%，粗参考残差31.5%，继续监督先验训练41.7%，PhaseIL–PPO为52.7%，ResCarry为59.7%；Table-pull最低为53%，Chair-carry和Bin-carry分别为66%和65%。固定阶段I并仅训练残差策略较继续监督先验训练提高18.0个百分点。结论是学习先验、残差策略与危险加权组合取得最高平均成功率。
5.2 Sim-to-Sim Object Fidelity（仿真到仿真对象保真）：零更新MuJoCo评估中，ResCarry平均成功率54.8%，PhaseIL–PPO为46.9%，继续监督先验34.3%，粗参考残差23.7%；Isaac→MuJoCo差距为4.9个百分点。Table-pull仍最难，Chair-carry/Bin-carry仍最易，难度顺序与Isaac一致。MuJoCo中抓取丢失和相位超时占比增加，跌倒和碰撞为次要；因任务为姿态/标识符指定，无感知/grounding失败类。高风险学生触发常先于躯干倾斜、单侧接触丢失、站姿滑移和大对象角速度，时间在0.6 s内；在留出、尺寸和抓取类别匹配网格上成功率降至55.6%/52.2%（Isaac/MuJoCo）。Suitcase和Storage任务在零更新MuJoCo中保持弯身侧推接触模式。结论是零更新跨引擎可迁移但性能下降且失败模式变化。
5.3 Component Ablations（组件消融）：MuJoCo消融显示，无残差策略平均成功率13.6%；期望成本/开环设置49.0%；移除课程46.1%；移除自适应推进但保留分位数危险加权52.3%；完整设置54.8%、危险率11.8%。危险估计器在域随机化（DR）内留出转移上校准误差较低且保持比例低；当地面摩擦远低于DR范围或对象质量缩放时，ECE升高并增加保持占用和相位超时终止；湿+质量组合应力下ECE更高且部分回合保持至超时。结论是各组件对性能有贡献，但多组件消融并非单因素隔离。
5.4 Added-Payload and Risk-Configuration Tests（附加载荷与风险配置测试）：载荷压力测试固定代表性名义质量（Chair-carry 6.0 kg；Suitcase-push 5.0 kg；测试总质量至多10.0 kg）并添加额外载荷；报告成功回合中躯干俯仰、质心高度、平面基座速度和偏航跟踪误差；“Fail”表示该总质量下评估成功准则未满足。五个联合选择的风险/推进配置比较中，部署配置在该比较中平均成功率59.8%、平均危险率8.8%；由于上尾水平、参考值和保持阈值共同变化，该比较不是单因素敏感性分析。结论是载荷增加会改变跟踪误差并在超限时失败，部署配置在联合比较中平衡成功与危险。
讨论部分总结：所有结果使用模拟器提供的对象位姿和速度，未包含相机和学习状态估计；策略在Isaac Lab训练后以相同actor观测零更新迁移至Unitree MuJoCo。训练时分位数危险评论器接收特权输入，部署估计器仅使用actor观测；超出DR测试显示训练包络外校准误差和保持占用更高。冻结阶段I并专门化阶段II贡献了相对继续监督先验和粗参考残差的大部分增益。零更新Isaac→MuJoCo迁移使ResCarry平均成功率降低4.9个百分点，并使失败转向抓取丢失和超时。未报告物理G1试验；对象位姿和速度为理想化模拟器输出，仅具有有界噪声和延迟，未建模真实估计误差和丢失；危险加权更新是惩罚调度，不是认证安全保证。未来应将残差控制器与视觉或本体感觉对象跟踪结合，并在物理Unitree G1硬件上测试完整系统。
研究结论翻译：研究人员提出一种两阶段全身搬运框架：固定的相位条件、以对象为中心的命令先验提供名义参考，残差策略从本体感觉、接触和对象状态观测中学习有界修正。分位数上尾分数自适应调整期望成本PPO惩罚，可部署危险分数估计器调节命令推进。在六任务模拟研究中，ResCarry在Isaac Lab达到59.7%平均成功率，在零更新MuJoCo达到54.8%，高于匹配基线。未来工作将加入对象状态估计并在物理硬件上评估该系统。
