HumanoidUMI：桥接无机器人演示和人形全身操作

高质量的演示数据对于人形机器人技能学习至关重要，特别是对于需要协调感知、运动和操纵的全身行为。现有的数据收集方法很大程度上依赖于机器人远程操作，这受到硬件可访问性、操作员专业知识和有限效率的限制。受通用操作接口（UMI）的启发，我们提出了HumanoidUMI，一种便携式且无机器人的人形全身数据收集框架。 HumanoidUMI 使用轻型 VR 设备和受 UMI 启发的抓手来收集稀疏的人体关键点轨迹、手腕视图观察和抓手动作。这些演示训练了一个高级策略来预测未来的关键点，这些关键点被重新定位到机器人本地全身参考并由全身控制器执行。五个真实场景的实验证明了所提出的框架的有效性，并验证了收集的可转移人形全身技能学习的演示。