PressMimic：用于仿人机器人模仿的压力引导运动捕捉和控制

人形运动模仿不仅需要准确感知人体运动学，还需要忠实再现身体与环境的相互作用。然而，现有的流程主要依赖于基于视觉的运动捕捉和运动学模仿，很大程度上忽略了接触动力学，导致脚部滑动、地板穿透和不稳定行为等伪影。在这项工作中，我们从物理基础的角度重新审视人形运动模仿，并将压力作为跨感知和控制的统一模式。我们推出了 PressMimic，这是一个将压力集成到从动作捕捉到人形控制的整个流程中的框架。在感知阶段，我们引入了 FRAPPE++，这是一种多模态模型，它融合 RGB 和压力来联合估计 3D 位姿和全局运动，其中压力提供显式接触和支持约束，以解决基于视觉的估计中的模糊性。在控制阶段，我们提出了一种压力监督策略（PSP），它将压力衍生信号纳入强化学习中，从而在执行过程中实现物理上一致的接触模式。我们进一步构建了 MotionPRO，一个具有同步 RGB、压力和运动捕捉数据的大型数据集。实验表明，压力提高了运动估计精度、轨迹一致性和执行稳定性。这些结果表明，压力可以作为一种有效的物理基础信号，为物理上一致的人形运动模仿连接感知和控制。