HULK：让人形机器人学会全身发力搬运大件物体

arXiv:2610.08970v1 公告类型：new 摘要：人形机器人在搬运大型、沉重物体时，需要全身进行有力的交互。然而，这类负载会改变人形机器人的重心，并在上半身施加持续的负载，给平衡和指令跟踪带来挑战。我们提出了HULK，一个用于全身发力loco-manipulation的控制框架。该框架使用模型预测控制（MPC）引导强化学习，并预测带载动力学，训练两个教师策略：一个跟踪腕力作用下的手臂运动，另一个在怀抱大物体时完成行走。训练过程中，一个capture-point控制障碍函数增强腕力教师策略，以改善负载下的平衡。我们将两个教师策略蒸馏为单一策略。评估覆盖仿真和Unitree G1平台。在仿真中，带障碍函数的教师策略在每只手臂10公斤负载下，实现了评估控制器中最低的前向和侧向速度跟踪误差，并将聚合 divergent component of motion（DCM）偏移幅度相比单独使用MPC引导强化学习降低35.7%。我们的腕力教师策略可承受高达130 N的躯干推挤扰动。