人形机器人全身控制

为人形机器人像素到动作策略迁移打开仿真到现实之门

Opening the Sim-to-Real Door for Humanoid Pixel-to-Action Policy Transfer

论文展示了仅凭 RGB 感知、完全在仿真中训练的人形机器人全身 loco-manipulation 策略如何零样本迁移到真实铰接物体（如多种门）上；其中分阶段重置探索与基于 GRPO 的微调可用于缓解视觉部分可观测性、提升闭环一致性，对做视觉-动作策略 sim-to-real 的研究者是可复用的训练配方。