arXiv cs.AI· Ziyang Cheng, Haoyu Wei, Hang Yin, Xiuwei Xu, Bingyao Yu, Jie Zhou, Jiwen Lu·· 3 天前AI 评分27
CMP：通过能力流形投影实现腿式移动操作机器人的鲁棒全身跟踪
CMP: Robust Whole-Body Tracking for Loco-Manipulation via Competence Manifold Projection
AI 导读
针对腿式移动操作机器人全身控制策略在传感器噪声或不可行指令下易受OOD输入影响的问题，研究者提出能力流形投影（CMP），通过帧级安全方案将无限时域安全约束转化为单步流形包含，并借助下界安全估计器和同构潜在空间实现O(1)防御。
正文 · AI 翻译
摘要：尽管足式移动机械臂的解耦控制方案已展现出鲁棒性，但学习用于跟踪全局末端执行器位姿的整体全身控制策略，在面对由传感器噪声或不可行用户指令引起的分布外（OOD）输入时仍然脆弱。为了在不牺牲任务性能和连续性的前提下提高对这些扰动的鲁棒性，我们提出了能力流形投影（CMP）。具体而言，我们采用逐帧安全方案，将无限时域安全约束转化为计算高效的单步流形包含。为了实例化该能力流形，我们采用下界安全估计器，将未掌握意图与训练分布区分开来。随后，我们引入同构潜在空间（ILS），使流形几何与安全概率对齐，从而能够高效地以 O(1) 复杂度无缝防御任意 OOD 意图。实验表明，在基线方法遭遇灾难性失败的典型 OOD 场景中，CMP 的存活率提升最高可达 10 倍，而跟踪性能下降不到 10%。值得注意的是，该系统展现出涌现的“尽力而为”泛化行为，通过遵循能力边界逐步完成 OOD 目标。项目网站：此 https URL
| 评论： | 被 CoRL 2026 接收（Spotlight）。项目网页：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2604.07457 [cs.RO] |
| （或 arXiv:2604.07457v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2604.07457 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Ziyang Cheng [查看电子邮件]
[v1]
2026年4月8日星期三 18:00:39 UTC（16,698 KB）
[v2]
2026年10月12日星期一 16:50:13 UTC（18,574 KB）
来源：arXiv cs.AI · arxiv.org