arXiv cs.AI· Yangsong Zhang, Anujith Muraleedharan, Rikhat Akizhanov, Abdul Ahad Butt, G\"ul Varol, Pascal Fua, Fabio Pizzati, Ivan Laptev·· 9 天前AI 评分26
PhysMoDPO：用偏好优化生成物理可行的人形机器人动作
PhysMoDPO: Physically-Plausible Humanoid Motion with Preference Optimization
AI 导读
PhysMoDPO 是一个基于 Direct Preference Optimization 的框架，将全身控制器（WBC）纳入扩散模型训练流程，使 WBC 输出同时符合物理规律与原始文本指令，替代了脚部滑动惩罚等手工物理启发式。
正文 · AI 翻译
摘要：文本条件人体动作生成领域的最新进展，很大程度上得益于在大规模人体动作数据上训练的扩散模型。在此进展的基础上，近期方法尝试通过应用全身控制器（WBC）将扩散生成的动作转换为可执行轨迹，从而将此类模型迁移用于角色动画和真实机器人控制。虽然 WBC 轨迹变得符合物理规律，但它们可能与原始动作产生显著偏差。为解决这一问题，我们在此提出 PhysMoDPO，一个直接偏好优化框架。与依赖脚部滑动惩罚等手工设计的物理感知启发式方法的先前工作不同，我们将 WBC 集成到训练流程中，并优化扩散模型，使 WBC 的输出既符合物理规律，又符合原始文本指令。为训练 PhysMoDPO，我们部署了基于物理和任务特定的奖励，并用它们为合成轨迹分配偏好。我们在文本到动作和空间控制任务上的大量实验表明，PhysMoDPO 在模拟机器人上于物理真实感和任务相关指标方面均取得了一致提升。此外，我们证明 PhysMoDPO 在模拟中的零样本动作迁移以及 G1 人形机器人的真实世界部署中均带来了显著改进。
| 评论： | 项目页面：this https URL |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV）；机器人学（cs.RO） |
| 引用为： | arXiv:2603.13228 [cs.LG] |
| （或 arXiv:2603.13228v3 [cs.LG] 对应此版本） | |
| https://doi.org/10.48550/arXiv.2603.13228 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yangsong Zhang [查看邮箱]
[v1]
2026年3月13日星期五 17:59:59 UTC（3,842 KB）
[v2]
2026年3月16日星期一 16:25:26 UTC（3,842 KB）
[v3]
2026年10月8日星期四 07:04:47 UTC（3,844 KB）
来源：arXiv cs.AI · arxiv.org