具身智能🔥9.0

Contact-UAN:作为人形控制残差世界模型的无监督执行器网络

原标题: Contact-UAN:作为人形控制残差世界模型的无监督执行器网络

arXiv cs.RO 论文·2026/10/15 04:00:00🔗 原文

📋总体概括

arXiv新论文提出Contact-UAN,一种面向人形机器人控制的无监督执行器网络残差世界模型。该方法在保留仿真器物理先验的同时,校正执行器动力学,使仿真轨迹对齐真实硬件录制轨迹,解决执行器sim-to-real差距导致的力交互迁移失败问题。方法仅依赖机载本体感知,并提出接触一致回放以避免残差模型学到重置伪影而非执行器差异,从而提升力矩效率、负载调节与抗冲击鲁棒性。

⚡关键信息

  • ▸提出Contact-UAN残差世界模型,保留仿真物理先验并校正执行器动力学以对齐硬件轨迹
  • ▸针对执行器sim-to-real差距:仿真训练的策略在真机上力交互迁移失败,损害力矩效率与抗冲击性
  • ▸提出接触一致回放,防止残差模型将重置伪影误学为执行器差异
  • ▸仅使用机载本体感知即可推断仿真侧支撑脚位姿,无需额外传感

🔥犀利点评

这类工作抓住了一个常被忽视的真问题:大家只盯着「策略能不能走」,却没追问力交互到底迁没迁过去。残差世界模型的思路本身不新,但把执行器差距单独拎出来校正、并用接触一致回放堵住学习目标的污染源,是务实的工程洞察。不过摘要里只有方法论,没给出真机量化结果,落地成色还得等实验数据说话。

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 →