通过轻量级流匹配实现大象软躯干运动的全身语义—动作对应

对于近距离接触的人机交互（HRI），类似躯干的连续体操纵器为不同的全身表达提供了物理通道，但将开放词汇响应融入此类机器人是很困难的：末端执行器运动未明确身体形状，而直接的全身命令是高维的，很难保持可行。我们提出了一种基于轻量级流匹配的受大象启发的软体象鼻 HRI 全身语义到驱动的对应框架。该框架将多模态 大语言模型 的响应转换为有界的、形态一致的意图强度元组，使用紧凑的 Catmull-Rom 样条控件参数化肌腱驱动轨迹，并使用整流流生成器对可行的全身躯干运动进行采样。实验表明，所提出的框架将原始响应密集回归基线的留出集语义—动作对应准确率从 25.0% 提高到 77.2%。与去噪扩散基线相比，它将正确性从 71.9% 提高到 77.2%，并将推理时间从 7.86 ms 减少到 4.87 ms，同时保留运动多样性。一项 100 名参与者的物理 HRI 研究进一步表明，添加生成的软躯干运动通道可将积极的整体满意度从仅视听基线的 46% 提高到 82%。