arXiv cs.AI· Siyuan Hu, Abulikemu Abuduweili, Yue Meng, Shipeng Liu, Quentin Leboutet, Chen Chen, Matthias M\"uller, Vladlen Koltun·· 10 小时前AI 评分63
HALO：从仿真合成数据训练人形机器人实现零样本真实环境迁移
Perceptive Humanoid Motion from Simulation
AI 导读
研究团队提出 HALO 人形机器人自主系统，通过程序化生成的约一千套住宅合成视觉-语言-动作数据，数据规模随算力扩展而非依赖人工采集。HALO 习得坐椅子、导航到指定物体、侧身穿半开门、蹲爬桌底和推箱子等技能，并能组合完成长程任务。训练中从未见过真实住宅，HALO 仍零样本迁移到物理世界，在六个未建图的真实环境中完成 360 次试验，成功率达 91%。
正文 · AI 翻译
摘要：人形机器人有潜力自动化广泛的物理任务。然而，通用人形自主性的进展仍受限于数据瓶颈：将像素和自由形式语言映射到低层关节命令需要成对的监督数据，而目前尚不存在足够大规模的这种数据语料库。一些方法依赖人类遥操作和可穿戴采集设备，这需要至少一小时的人力时间才能产生一小时的数据。我们提出 HALO，一个由流水线驱动的人形自主系统，该流水线在数千个程序化生成的家中合成视觉-语言-运动数据。该语料库的规模随算力而非人力扩展。HALO 习得了一系列物理技能，包括坐在椅子上、导航到指定物体、侧身穿过半开的门、在桌子下蹲伏和爬行，以及推箱子。它编排这些技能以解决复合的长期任务。在训练期间从未见过真实家庭的情况下，HALO 零样本迁移到物理世界，在六个未建图的真实环境中进行的 360 次试验中达到 91% 的成功率。代码和视频见 此 https URL。
| 评论： | 代码和视频见：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.06908 [cs.RO] |
| （或 arXiv:2611.06908v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06908 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Matthias Müller [查看电子邮件]
[v1]
2026 年 11 月 4 日星期三 18:55:33 UTC（14,644 KB）
来源：arXiv cs.AI · arxiv.org