具身智能🔥9.0
λ₀：为? for Humanoid Loco-Manipulation 为人形机器人移动操作规模化构建开放世界自我中心人类数据
原标题: λ₀：为? for Humanoid Loco-Manipulation 为人形机器人移动操作规模化构建开放世界自我中心人类数据
📋总体概括
研究人员发布HumanVerse数据集与λ₀系统，针对人形机器人全身移动操作训练数据稀缺问题，构建了500小时开放世界人类移动操作数据，将第一视角视频与同步的身体和手部动作配对。通过人到机器人的转换管线对齐视角与手臂外观，并离线精化运动参考，实现零样本迁移到宇树Unitree G1人形机器人执行全身操作任务。该工作为用人类数据规模化训练人形机器人提供了低成本路径。
⚡关键信息
- ▸发布HumanVerse数据集，包含500小时开放世界人类移动操作数据，配对第一视角视频与同步身体及手部动作
- ▸针对现有自我中心人类监督数据普遍缺失移动与姿态信息的问题，实现全身协调的监督信号
- ▸人形机器人转换管线通过对齐相机视角与手臂外观、离线精化运动参考与控制器输入，降低末端执行器误差
- ▸实现零样本迁移至Unitree G1，完成代表性全身操作与长时程任务
- ▸核心思路是以人类演示替代昂贵的机器人本体数据采集，破解具身智能数据瓶颈
🔥犀利点评
人形机器人最大的瓶颈从来不是硬件而是数据，机器人本体采数据贵到离谱，人类数据又缺移动和姿态——这个500小时数据集正好打在这两条痛点的交叉点上。但冷静看，人到机器人的embodiment gap是真问题，管线里的对齐与精化步骤本质是在用工程手段填补物理差异，零样本迁移到G1的效果含金量还要看长时程任务的成功率细节。方向对，护城河在于数据规模能否持续滚大。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 arXiv cs.RO 论文 阅读全文 →