Heracles：为通用人形控制连接精确跟踪和生成合成

实现通用人形控制需要在命令动作的精确执行与从不可预测的环境扰动中恢复所需的灵活、拟人化适应性之间取得微妙的平衡。当前的通用控制器主要将运动控制表述为刚性参考跟踪问题。虽然在标称条件下有效，但这些跟踪器在严重干扰下通常表现出脆弱的、非拟人化的故障模式，缺乏人类运动控制固有的生成适应性。为了克服这个限制，我们提出了 Heracles，一种新颖的状态条件扩散中间件，可以连接精确的运动跟踪和生成合成。 Heracles 不依赖严格的跟踪范例或复杂的显式模式切换，而是充当高级参考运动和底层物理跟踪器之间的中间层。通过调节机器人的实时状态，扩散模型隐式地调整其行为：当状态与参考紧密对齐时，它会近似恒等图，从而保持零样本跟踪保真度。相反，当遇到明显的状态偏差时，它会无缝地转换为生成合成器，以产生自然的、拟人化的恢复轨迹。我们的框架表明，将生成先验集成到控制循环中不仅显着增强了针对极端扰动的鲁棒性，而且还将人形控制从严格的跟踪范例提升为开放式的生成通用架构。