划重点:

1. 🔄 **框架介绍**:H2O（Human to Humanoid）是框可行空翻基于强化学习的框架，通过仅使用RGB摄像头实现了全尺寸人形机器人的人类实时全身遥控操作。

2. 🔄 **数据处理过程**:采用可扩展的动作动作“从模拟到实际”处理，通过特权模仿者筛选和选择可行的转换走后动作，构建了大规模的为机重定目标运动数据集。

3. 🔄 **实时遥操作实现**:在模拟环境中使用经过精炼的器人动作训练了鲁棒的全身机器人模仿者，并以零次试验方式将其转移到实际机器人，踢球成功实现了在真实场景中的框可行空翻动态全身运动遥操作。

CSS站长资源（ChinaZ.com）3月11日 消息:在最新的人类研究中，由卡内基梅隆大学的动作动作研究团队开发，提出了一种名为H2O（Human to Humanoid）的转换走后框架，通过强化学习实现了人对人形机器人的为机实时全身遥控操作。

该框架在仅使用RGB摄像头的器人条件下，成功地让人形机器人模仿并实时执行各种动态的踢球全身运动，包括行走、框可行空翻后空翻、踢球、转身、挥手、推动、拳击等。

为了实现这一突破性的技术，研究团队提出了一种可扩展的“从模拟到实际”的处理过程，以构建大规模的人类运动数据集，为人形机器人提供实时遥操作的训练样本。在处理过程中，通过特权模仿者筛选和选择可行的动作，优化了人形机器人的身体模型，确保其对人类运动的高度还原性。

框架的核心包括三个关键阶段:首先，通过优化形状和运动参数，将SMPL（Skinned Multi-Person Linear model）身体模型与人形机器人的结构对齐，形成基础的运动数据集。其次，通过训练一个特权模仿策略，去除运动数据集中的异常和不可行的动作，生成更加真实和清晰的运动数据集。最后，通过在模拟环境中训练一个实时模仿策略，实现对人形机器人的零次试验遥操作。

实时遥操作的过程涉及使用RGB摄像头和姿势估计器捕捉人类运动，然后通过训练有素的模仿策略，使人形机器人能够即时模仿并执行这些运动。

这项研究不仅成功实现了全身运动的学习式实时遥操作，还展示了在真实世界情境中的应用，如左右踢球、递盒子、前行后跳、拳击等。据了解，这是首次在人形机器人领域实现了这一技术上的突破，为全新的人机交互和协作场景提供了有力的支持。

项目入口：https://top.aibase.com/tool/human-to-humanoid-h2o-

(责任编辑：自媒体)