ToggleMimic:为文本驱动的人形全身控制的两阶段政策
Weifeng Zheng1, Shigang Wang1, Bohua Qian1
1School of Automation, Guangxi University of Science and Technology, Liuzhou 545006, China.
Sensors (Basel, Switzerland)
|December 11, 2025
概括
人形机器人现在可以理解和执行自然语言命令,用于使用ToggleMimic进行多任务控制. 这种模仿学习框架弥合了自然的人机交互的模拟到真实差距.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 自然语言对于无的人机交互和融入日常生活至关重要.
- 目前用于机器人的模仿学习方法在高层次的语义指令和动态动作切换方面扎.
研究的目的:
- 开发一个端到端的模仿学习框架,用于从文本指令生成机器人运动.
- 在人形机器人中实现语言驱动的多任务控制.
主要方法:
- 提出了ToggleMimic,这是一个模仿学习框架,结合了两阶段的政策蒸,交叉注意力机制和一个门网.
- 政策蒸弥合了模拟与真实的差距.
- 交叉注意力可以实现可解释的文本到动作映射.
- 门网提高了对语言变异的稳定性.
主要成果:
- ToggleMimic展示了有效性,概括能力和强大的文本引导控制.
- 框架成功地从文本指令中生成机器人运动.
- 为交叉模式语义驱动的机器人控制实现了高效,可解释和可扩展的学习.
结论:
- ToggleMimic为自主机器人控制提供了一个高效,可解释和可扩展的学习范式.
- 该框架使机器人能够理解和执行复杂任务的自然语言命令.
- 这项研究促进了人类机器人对自然语言的理解和控制.
