#遥操作 (49)

BRACE：面向力觉与地形感知的人形机器人全身参考自适应运动跟踪

全身运动跟踪已经成为操作员驱动人形机器人的标准接口，但它消费的参考轨迹都是在平地上、空手状态下录制的：跟踪器既不知道机器人要与物体交换多大的力，也不知道自己站在什么地面上。已有控制器只解决其中一侧——具备力控能力的策略只给末端执行器一个力指令而不规定全身姿态，地形自适应跟踪器则把负载当成需要抑制的扰动，而不是需要主动施加的力旋量。BRACE 选择改写参考本身：地形贴合把落脚点与根部抬到局部地表，力旋量变换则解算出产生指定手力所需的手部位移，以及它连带引起的质心与压力中心偏移，并受教师专属的手臂力矩预算约束。施加与抵抗两个特权教师分别训练，再由 DAgger 蒸馏进同一个流匹配学生，学生只依赖本体感知，不需要高度图也不需要实测力旋量。在 Unitree G1 的仿真与真机实验中，BRACE 能在斜坡上跟踪平地参考的同时施力或抗力，全局跟踪误差平均降低 40%，成功率平均提升 18.25 个百分点。

Sudarshan Harithas, Chen Yu, Juan Borbon · 38次阅读 · 2026年10月5日

人形机器人全身控制力控2026年10月5日

2:43

WB-WAM：清华叉院把全身动作监督塞进视频预训练，人形数据效率提升 3 倍

清华交叉信息研究院、雄安人工智能研究院与墨尔本大学（Hang Zhao 组）提出 WB-WAM：72 维共享物理动作空间（身体 29 + 根部 3 + 双灵巧手 20+20）把 1,880.2 小时九源异构视频/动捕数据的部分标注统一进掩码流匹配的生成式视频预训练，再经 PICO 第一人称演示中间训练（22h/73 任务，GMR 重定向+约束 IK+MINT）与带前向运动学损失的真机后训练落到宇树 G1 + Wuji 灵巧手。仿真 HumanoidArena 七任务全胜（81.9%）；真机五任务 84.0% 超 OpenWAM 的 80.0%（ACT 仅 20%、Fast-WAM 仅 6%）；PICO 中间训练让 30 条真机演示达 73.8%，超过 100 条直训的 65.0%——真机数据省 70%。

Chuan Qin, Shaoting Zhu, Siyuan Luo · 809次阅读 · 2026年9月28日

WAM世界动作模型人形机器人2026年9月28日

3:39

UMI 进化到灵巧手：Chestnut 发布 18 自由度 Aero Hand + 运动学完全匹配的穿戴式采集外骨骼 Aero UMI

@TheHumanoidHub · 642次播放 · 2026-09-28

灵巧手数据采集UMI

0:46

Reimagine Robotics：让客户自己教人形机器人新任务，10 分钟上手

@CyberRobooo · 594次播放 · 2026-09-27

人形机器人机器人学习模仿学习

1:02

GLIDE:用护栏学会人类示范不了的任务

@stepjamUK · 760次播放 · 2026-09-23

遥操作Guardrail模仿学习

迈向人类级灵巧遥操作：手-物共跟踪控制器 TeleDexter

人手能在单手内连续完成平移、重定向与指步等接触转换，而现有灵巧遥操作要么只做运动学重定向、忽略接触力与物体惯性，要么依赖生成式动作先验、在闭环中累积漂移。TeleDexter 把灵巧遥操作形式化为手-物共跟踪：操作者指定指尖位置与物体位姿的同步子目标序列，单阶段强化学习控制器在仿真接触中学会如何实现它们；混合奖励耦合稀疏子目标到达与稠密跟踪，几何感知两阶段重定向从动捕人手-物数据构造物理可行参考运动，随机动作掩码与域随机化支撑零样本 sim-to-real。在 Franka FR3 加 SharpaWave/LeapHand 两只灵巧手的七项重定向与长时程工具任务上，TeleDexter 平均成功率 75.2%、任务进度 87.1%，基线近乎全灭；每任务 50 条演示即可行为克隆出 46.7%-73.3% 成功率的自主策略。

Li, Puhao, Chen, Zeyuan, Wu, Yingying · 644次阅读 · 2026年7月13日

灵巧操作遥操作Sim-to-Real Transfer2026年7月13日