什么值得买App下载 App ›
连续签到专享现金活动

Heracles:扩散中间件 人形机器人控制

传统人形机器人在遭遇严重物理扰动时,往往表现出动作跟踪的脆弱性。Heracles作为一种新型控制框架,通过引入状态调节的扩散中间件,在高级指令与低级执行之间建立了一层自适应屏障。该架构旨在确保机器人在常规条件下保持高精度跟踪,同时在失稳或遭遇外部冲击时,能够自动合成符合人体工程学的恢复轨迹。
01核心技术架构
Heracles的核心创新在于其状态调节的扩散中间件,该模块基于Continuous Flow Matching机制构建。与传统直接预测绝对空间坐标的方法不同,Heracles采用几何残差参数化方案,仅预测相对于机器人当前本体感知状态的运动增量。这种设计使扩散过程在状态与参考轨迹吻合时近似恒等映射,确保指令零偏差通过;而在状态偏离时,则利用调节间隙合成物理可行的过渡轨迹。
02模型实现细节
  • Transformer参数化
    中间件由AdaLN调节的Transformer进行参数化,通过Inpainting Constraint固定第一个残差令牌,确保生成轨迹的起点与实时物理状态严格锚定,保证运动连续性。
  • 定向热启动策略
    推理阶段引入定向热启动,使用向目标指令线性插值的先验代替纯高斯噪声初始化,在25Hz重规划频率下,通过少量欧拉积分步骤即可实时输出高质量关键帧序列。
03底层执行策略
底层跟踪器基于深度强化学习构建,负责将中间件生成的运动轨迹转化为关节层面的控制动作。该策略采用改进的有限标量量化(iFSQ)技术,将高频运动信号压缩为紧凑的语义令牌,相比传统向量量化(VQ-VAE)具有更高的码本利用率。观测空间整合了本体感知状态、调制参考指令及高层运动嵌入,并通过邻近策略优化(PPO)算法进行训练。
技术模块核心技术功能价值
扩散中间件Continuous Flow Matching、残差参数化在遭遇扰动时合成物理可行的恢复轨迹
推理优化AdaLN调节、定向热启动确保实时响应与运动连续性
底层跟踪深度强化学习、iFSQ量化精准表征复杂运动细节,执行关节控制

Heracles架构关键技术层级

评论

评论区空态插画

当前文章无评论,是时候发表评论了