MotionDisco：用于极限人形机器人操纵的运动发现

我们提出了 MotionDisco，这是一个从头开始发现接触丰富、长视野的人形机器人操纵动作的框架，而不依赖于远程操作或来自人类演示的动作重定向。这是具有挑战性的，因为可能的接触交互的空间随着任务范围和场景中对象的数量而组合增长。 MotionDisco 通过将 大语言模型 (LLM) 引导的交互序列进化搜索与高效的顺序运动动力学轨迹优化器和修剪策略相结合，能够快速发现新颖的运动，从而能够快速发现新颖的技能。通过广泛的消融研究，我们表明我们的 LLM 引导搜索在几个具有挑战性的长期任务中发现了成功的全身轨迹。最后，通过在发现的轨迹上训练强化学习跟踪策略，我们将运动转移到真正的人形机器人上。这是第一个完全通过自动进化搜索来发现和部署长视野人形机器人操纵技能的工作。实验的补充视频可在以下网址获取：https://youtu.be/DHiVz34QYlw。