HS-MoDP：宇树G1组合分开示教的双臂技能，成功率73.3%
30 秒速读
宇树G1把单臂示教的技能组合成未见的双臂任务，六种组合平均成功73.3%。改用低成本外骨骼示教后，柜子全流程成功率由35%升至65%。本文为预印本。
研究问题
单臂分别示教的技能，能否在不示教所有组合的情况下重新组合为新的左右臂协同？
问题
示教所有双臂技能组合的成本呈组合式增长；联合预测双臂的策略会使技能纠缠，数据中没有的组合容易失败。借助前臂与躯干接触的任务也难以用VR手柄示教。
既有方法
pi0.5、GR00T N1.7等通用策略和MoDE等混合专家扩散策略联合学习双臂动作；VR逆运动学遥操作无法直接控制肘部位置和臂躯接触。
新方法
HS-MoDP为每只手臂设置独立的语义技能条件与路由，共享扩散专家池；视觉语言调度器交替执行操作与行走重定位。G1Exo是与G1的14个臂关节同构的可穿戴外骨骼，带胸板作为躯干边界，用于采集关节级示范。
结果
六种未见组合平均73.3%（每种20次，60%至85%），其他方法未完成任何组合。分别示教的双臂抬篮为65%。改用G1Exo数据后，无把手篮怀抱由15%升至85%，收集瓶子由65%升至100%，柜子全流程由35%升至65%。
局限
作者承认共同承载时的协调仍弱。仅一种机器人、每种条件20次，VLM规划误差未单独评估。预印本，代码与硬件将在评审后开源。
产业影响
对使用宇树G1进行数据采集的高校和企业意义直接：技能复用降低示教成本，低成本同构外骨骼在接触任务上优于VR手柄。遥操作数据供应商以及作者单位之一的Xense Robotics等企业有望率先受益。
受许可协议限制，本站不转载该论文全文，仅提供摘要和原文链接。