DiffWBC：以单步扩散通用全身策略实现在线引导和失败发现

摘要

通用人形运动跟踪器通常依赖确定性策略，在线适应需要脆弱的参考动作编辑或代价高昂的重训练。我们提出DiffWBC，以单步扩散模型将全身控制转为生成范式。通过建模未来轨迹分布，它在单一控制器中统一通用跟踪、测试时引导与无需仿真的失败发现。（1）生成式通用跟踪：在50Hz控制的每一步只需一次前向计算，可由RL教师蒸馏，也可通过基于模型的RL从头训练；在留出基准上取得六种通用跟踪器中最低的局部误差（BONES为20.1毫米），并在真实Unitree G1上部署。（2）零样本测试时引导：可微代价梯度与身体分组掩码在线调节冻结控制器，大幅优于运动学参考编辑（1.25米顶棚下无碰通过比例0.84，对照0.10），并零样本泛化到跨栏、空间伸手、执行器故障和托盘平衡。（3）无需仿真的失败发现：不同生成噪声下的计划离散程度可有效识别物理跟踪失败，排序前2%样本的精确率达91%，不需要物理仿真；对标记动作片段定向微调可解决50%的失败案例。视频与交互演示见https://diffwbc.github.io/#selfassess.

DiffWBC：以单步扩散通用全身策略实现在线引导和失败发现：论文配图 — 图2：DiffWBC概览。上方：每个50 Hz控制步将未来参考窗口按解耦的身体解剖部位组编码（任意组均可掩蔽），连同本体感知信息，为单步生成器提供条件；生成器将输入噪声映射为可执行的未来状态与动作计划（时域0.96秒）。逆动力学头执行初始动作，下一步再依据状态反馈重新规划。测试时在权重严格冻结的情况下，通过对生成器输入噪声进行解析梯度下降，以代价目标引导计划；渲染展示1.25米天花板下的默认计划与引导后计划（模拟）。左下：两种训练范式，分别为从RL跟踪器进行在线DAgger蒸馏，或通过基于模型的RL从头训练。右下：身体部位组掩蔽，使指定部位组可将控制权让给代价目标。