RobotMover: Learning to Move Large Objects From Human Demonstrations

doi:10.1109/tro.2026.3723958

RobotMover: Learning to Move Large Objects From Human Demonstrations

2026-08-13

0

PRE

AI

DOI：10.1109/tro.2026.3723958

原文链接

原文求助

摘要

En 中文

在人类环境中运行的机器人需要具备搬运大型物体（如家具或电器）的关键能力。这项任务带来了独特挑战，包括通过全身协调避免碰撞以及管理笨重重物的欠驱动动力学。本研究提出RobotMover，一个基于学习的完整大型物体操作系统，利用人-物交互演示来训练机器人控制策略。RobotMover将操作问题表述为模仿学习，采用简化的空间表示——称为交互链——以形态无关的方式捕捉基本的人-物交互动力学。我们将此交互链整合到奖励结构中，并通过领域随机化在模拟环境中训练策略，以支持零样本转移到真实硬件。所学习策略使Spot机器人能够操作各种大型物体，包括椅子、桌子和立灯。通过在模拟和真实平台上的广泛实验，我们证明RobotMover在能力、鲁棒性和可控性方面表现优异，超越了学习和遥操作基线。我们的系统进一步通过结合学习策略与简单规划模块，支持在实际环境中完成长时域的物体运输和重新排列任务。

Keyword:

Learning from demonstration

legged robot

mobile manipulation

RobotMover: Learning to Move Large Objects From Human Demonstrations

摘要

期刊

机构

引用论文