项目地址：Deep Imitation Learning for Humanoid Loco-manipulation through Human Teleoperation
本文详细介绍了 TRILL（Teleoperation and Imitation Learning for Loco-manipulation）框架，它是一个用于人型机器人行走操纵技能训练的深度模仿学习框架。该框架通过 VR 接口收集人类演示数据，并采用整体体控制方法将任务空间命令转换为机器人的关节扭矩，以稳定机器人的动态。TRILL 由三个主要部分组成：一个基于 VR 的远程操作接口、一个整体控制器和一个数据高效的模仿学习算法。研究人员通过模拟和现实中的实验验证了 TRILL 的有效性，并在两个仿真环境（门和工作台）以及现实中的 DRACO 3 人型机器人上进行了部署。实验结果表明，TRILL 在各种行走和操纵任务中的成功率显著高于现有的模仿学习基准方法。此外，研究还探讨了不同的观测和行动空间设计对策略性能的影响，以及不同数据集大小对学习效率的影响。最后，TRILL 在现实中的部 ployment 证明了其在现实世界人型机器人系统中的鲁棒性和实用性。
论文初读：
