论文

HumDex：让仿人灵巧操作变得简单

本文研究仿人全身灵巧操作，其中高质量演示数据的高效收集仍是核心瓶颈。现有遥操作系统常因便携性不足、遮挡或精度欠缺而难以应对复杂全身任务。为此，我们提出HumDex——一种专为仿人全身灵巧操作设计的便携式遥操作系统。该系统利用基于IMU的动作捕捉在便携性与精度间取得平衡，实现精确全身追踪且易于部署。针对灵巧手部控制，我们进一步引入基于学习的重定向方法，无需手动调参即可生成平滑自然的手部动作。除遥操作外，HumDex还能高效采集人体运动数据。依托此能力，我们提出两阶段模仿学习框架：先在大规模人体运动数据上预训练以学习可泛化先验，再在机器人数据上微调以弥合本体差距实现精准执行。实验表明，该方法以极低的数据获取成本显著提升对新构型、物体及背景的泛化能力。整套系统完全可复现并已开源：https://github.com/physical-superintelligence-lab/HumDex