一种名为HANDOFF的新型全身控制框架将三种专业教师策略——运动、全身操作和跌倒恢复——融合到一个学生控制器中，使人形机器人在不同任务间无需重新训练。通过暴露一个简洁的10维任务空间命令接口，HANDOFF让高层规划器仅使用手腕和基座速度参考即可驱动多样的操作-运动行为，取代了需要全身关节轨迹的方式。
目录
研究人员构建了什么
研究人员构建了HANDOFF，一个人形全身控制器，将任务规范与关节空间执行分离。其核心是10维任务空间接口：它接受每个手臂的3维骨盆系手腕位置指令（共6维），加上四个速度分量——线性x/y、偏航率和躯干高度变化率。这个低维接口表达力强，足以编码同时的运动和操作，但又足够小，高层规划器（如大语言模型或有限状态机）无需输出大量关节角即可驱动。
为了训练控制器，团队采用了混合专家蒸馏方法。他们首先训练了三个教师策略：一个用于精确操作和姿态的全身控制(WBC)教师，一个用于敏捷基座跟踪的运动教师，以及一个基于AMP的跌倒恢复教师。一个学生策略通过基于上下文的KL散度从所有三个教师学习，其中速度门控混合了躯干部分的WBC和运动教师，而手臂动作锚定到WBC教师。一个恢复掩码项将跌倒场景路由到第三个专家。
关键结果
HANDOFF在速度跟踪性能上与最先进的运动控制器相当，同时实现了全身操作——这是之前的单教师蒸馏无法干净实现的能力。论文报告：
- 躯干切片跟踪：在线性和角速度命令上匹配最佳单一运动教师。
- 手臂跟踪：保留了WBC教师在操作空间中到达目标的能力，而不降低基座稳定性。
- 跌倒恢复：在大扰动下成功激活，恢复直立姿态而不中断任务。
在仿真和真实机器人硬件部署中，控制器在无系留的智能体堆栈中运行，其中视觉语言模型将自然语言命令解析为10维接口。机器人执行了诸如走到物体、伸手抓取并携带物体等任务，而无需针对特定任务重新训练控制器。控制器的紧凑接口还允许零样本迁移到新的高层规划器。
工作原理
HANDOFF的架构是一个两阶段管道：高层智能体规划器产生10维命令，蒸馏后的学生策略将这些命令映射到关节力矩。学生是三个专家的混合——WBC、运动和跌倒恢复——其贡献由学习到的路由器门控。
教师设计 - WBC教师：使用模型预测控制先验优化全身姿态和手臂末端跟踪。擅长操作但速度跟踪差。 - 运动教师：一个强化学习策略，训练为跟踪基座速度命令（线性x/y、偏航）。能跑敏捷步态但失去协调的手臂使用。 - 跌倒恢复教师：一个对抗性运动先验策略，使用快速关节力矩捕捉跌倒。
学生蒸馏 学生通过每步上下文相关的KL损失训练。路由器观察当前状态和上下文向量（速度大小+恢复标志）来决定混合： - 躯干切片：WBC和运动教师的凸混合，由学习到的门控网络加权。 - 手臂切片：仅锚定到WBC教师以保持操作精度。 - 恢复掩码：在易跌倒样本上，门控通过二元AMP掩码完全切换到跌倒恢复专家。
一个子集感知的负载平衡损失防止专家崩溃：在非恢复样本上，门控在WBC和运动专家上重新归一化并推向均匀。恢复专家被排除在此项之外并单独监督。
部署 运行时，规划器以50 Hz发出10维向量。学生策略以200 Hz运行并直接向执行器发送关节力矩。一个运动学校正（第3.5节）补偿当接口的3维手腕目标不能完全约束夹爪姿态时的工具框架方向误差。
没有包含基准表格，因为论文提供的是相对比较（“与最先进水平相当”）而没有速度跟踪误差或操作成功率的绝对数字。
对机器人领域的重要性
HANDOFF解决了腿式操作中的一个基本瓶颈：将高层规划与低层全身控制解耦。大多数人形控制器要么将手臂视为固定质量（牺牲操作），要么要求规划器输出关节空间目标（对通用AI智能体不实用）。
通过暴露10维任务空间接口，HANDOFF实现了： - 规划器灵活性：任何能计算手腕位置和基座速度的规划器——视觉语言模型、经典运动规划器或分层强化学习——都能命令机器人，而无需知道其关节限制或动力学。 - 零样本任务切换：同一控制器处理行走、搬运、伸手和跌倒恢复；无需每任务重新训练或奖励调整。 - 无系留部署：真实机器人堆栈完全在板上运行，规划器处理摄像头图像并以50 Hz输出10维命令。
对于机器人购买者和集成工程师来说，这意味着来自在Robot Overflow浏览人形机器人的人形机器人可以通过简单的高层脚本编程，而不是每个任务费力的运动规划。这使得腿式操作更接近即插即用的可用性。
局限性与开放问题
当前接口每个手臂只暴露3维手腕位置（骨盆系），而不是完整的6维夹爪姿态。这迫使运行时运动学校正来处理方向残差，可能限制像销孔插入等任务的精度。作者指出扩展到6维跟踪是未来工作。
此外，运动数据筛选管道（附录C.1）需要使用压力中心可行性检查离线滤波轨迹片段。这一步可能对仿真精度敏感，并在移植到新机器人形态时需要重新调整。跌倒恢复教师也依赖于一个单独的AMP先验，其质量取决于运动数据集。
最后，展示的智能体规划器只是一个实现；论文没有探讨规划器延迟或噪声命令下性能如何退化。对稀疏或间歇命令流的鲁棒性仍是开放问题。
常见问题解答
10维命令接口具体是什么？ 它由两个3维骨盆系手腕目标位置（每臂一个）加上四个基座速度分量组成：线性x、线性y、偏航率和躯干高度变化率。
HANDOFF需要为新任务重新训练吗？ 不需要。控制器是任务无关的；同一个蒸馏策略处理运动、操作和跌倒恢复。只有高层规划器需要为新的行为更新。
真实世界测试使用了什么机器人硬件？ 论文展示了在全身尺寸人形机器人上的实验，有12个驱动关节（每腿6个）和每臂7个自由度，无系留运行。
HANDOFF与端到端全身控制相比如何？ 与直接将传感器输入映射到关节力矩的端到端策略不同，HANDOFF通过低维接口将规划与控制分离，使控制器可组合不同规划器且更易调试。
结论
HANDOFF证明了蒸馏的混合专家学生可以在紧凑任务空间接口下统一运动、操作和跌倒恢复。这种设计使人形机器人无需控制器重新训练即可在任务间切换，使我们更接近能遵循抽象命令的实用腿式操作器。
人形控制架构是否应转向“最小接口”以简化规划，还是这限制了机器人的完全灵巧性？