HIPC：把通用人形运动生成接入物理反馈以纠正长期漂移

最近的生成模型被广泛用于为人形跟踪提供全身运动。当前的方法将运动生成器与控制器以开环范例结合起来，这导致了关键问题：跟踪误差可能累积成空间漂移，并且如果没有物理执行的反馈，规划器就无法适应意外的物理干扰。然而，在闭环中直接将实际执行状态反馈给规划器可能会导致不连续性，从而导致物理抖动甚至跌倒，因为这些状态处于训练分布之外。为了弥补这一差距，我们提出了 HIPC，这是一种实时人形迭代规划和控制框架，它将生成模型与运动跟踪耦合成统一的规划和控制范例。 HIPC 引入了一种使用规范运动表示进行训练的目标条件运动规划，可避免极端方向下的万向节锁奇点，并支持在不同的几何和语义条件下生成运动。然后，HIPC采用偏差衰减恢复和历史重新锚定两种策略来减轻实际执行状态反馈引起的分布外偏移。最后，HIPC 运行一个实时异步规划和控制系统，通过延迟补偿来减少推理延迟的时间不匹配。大量实验证实了 HIPC 在不同条件的切换和组合下的有效性。结果表明，HIPC 在现有方法中实现了最先进的目标达成准确性，同时展示了对物理扰动的鲁棒性和从跌倒中恢复的能力。