UMR：基于学习点云对应的人形机器人统一运动重定向框架

近日，一篇发表于arXiv的论文提出统一运动重定向框架UMR，旨在解决将人体运动数据转化为机器人参考轨迹时的形态差异问题。现有重定向方法依赖手工定义的关键点或身体部位对应，质量受限于人工语义设计。UMR通过学习密集点云对应，将外部点云作为人体运动与人形机器人人形机器人外形模仿人类、有头有手有腿的机器人。最大优势是能直接使用为人类世界设计的工具和空间——楼梯、门把手、工厂工位都不在话下。◆ 小白科普 · 现身之间的统一接口，无需人工设计的人机关联。该方法提供细粒度几何锚点，用于约束点云匹配优化，实现表面级姿态对齐和交互接触的直接迁移。实验表明，UMR可统一处理异质运动源、不同机器人形态及从移动到交互的多种场景，在运动保真度和合理性上优于现有方法。该工作为利用大规模人体运动数据生成机器人训练数据训练数据用来「喂」给 AI 模型学习的教材。对机器人来说，主要是「看到的画面 + 做出的动作」一一配对的操作示范。◆ 小白科普 · 现身提供了可扩展的基础。