EmbodiSteer: Steering Embodiment-Agnostic Visuomotor Policies with Joint-Space Guidance for Zero-Shot Cross-Embodiment Deployment
作者: Shihefeng Wang, Kangchen Lv, Mingrui Yu, Xiang Li
分类: cs.RO
发布日期: 2026-06-11
备注: The first two authors contribute equally
🔗 代码/项目: PROJECT_PAGE
💡 一句话要点
提出EmbodiSteer以解决机器人模仿学习中的身体特异性问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱七：动作重定向 (Motion Retargeting)
关键词: 机器人模仿学习 身体感知 笛卡尔空间 关节空间 碰撞避免 零-shot部署 运动学 雅可比更新
📋 核心要点
- 现有的机器人模仿学习方法在面对特定机器人身体约束时表现脆弱，无法有效利用笛卡尔末端执行器动作。
- 本文提出的EmbodiSteer框架通过正向运动学和雅可比更新，将笛卡尔策略转化为关节空间策略，实现身体感知的零-shot部署。
- 实验结果表明，EmbodiSteer在多个模拟机器人和物理机器人上显著降低了碰撞率和提高了任务成功率，验证了其有效性。
📝 摘要（中文）
可扩展的机器人模仿学习依赖于来自多样化机器人或无身体数据的大规模异构数据，使得笛卡尔末端执行器动作成为身体无关策略学习的关键接口。然而，仅依赖末端执行器的抽象使得笛卡尔策略无法考虑所部署机器人的身体，导致在特定约束下表现脆弱。为了解决这一限制，本文提出了EmbodiSteer，一个无训练的框架，旨在实现零-shot的身体感知部署。EmbodiSteer在笛卡尔空间中保持策略学习，同时通过正向运动学和基于雅可比的更新高效地将推理时的扩散采样提升到目标机器人的关节空间。通过在每个去噪步骤后对关节轨迹进行全身碰撞感知指导，手臂可以在保持学习到的末端执行器行为的同时，避免碰撞。与仅使用笛卡尔执行相比，EmbodiSteer在9个模拟机器人上将碰撞率降低了46.1%，任务成功率提高了28.5%。在两个物理机器人上，在高度约束的场景中，碰撞率进一步降低了90.0%，成功率提高了36.7%。
🔬 方法详解
问题定义：本文旨在解决现有机器人模仿学习方法在特定机器人身体约束下的脆弱性，尤其是仅依赖笛卡尔末端执行器动作的策略无法适应不同机器人身体的挑战。
核心思路：EmbodiSteer通过保持在笛卡尔空间中的策略学习，同时利用正向运动学和雅可比更新将推理过程中的扩散采样提升到目标机器人的关节空间，从而实现身体感知的零-shot部署。
技术框架：EmbodiSteer的整体架构包括三个主要模块：笛卡尔空间策略学习、关节空间推理和碰撞感知指导。首先在笛卡尔空间中训练策略，然后在推理阶段通过正向运动学将策略映射到关节空间，并在每个去噪步骤后进行碰撞检测与调整。
关键创新：EmbodiSteer的主要创新在于其无训练的框架设计，能够在不需要额外训练的情况下，实现对不同机器人身体的适应性部署，显著提升了策略的鲁棒性。
关键设计：在技术细节上，EmbodiSteer采用了基于雅可比的更新方法来调整关节轨迹，并设计了全身碰撞感知的损失函数，以确保在执行过程中避免碰撞，同时保持末端执行器的行为。
🖼️ 关键图片
📊 实验亮点
EmbodiSteer在9个模拟机器人上将碰撞率降低了46.1%，任务成功率提高了28.5%。在两个物理机器人上，碰撞率进一步降低了90.0%，成功率提高了36.7%。这些结果表明该方法在高度约束的场景中表现出色，具有显著的实用价值。
🎯 应用场景
该研究具有广泛的应用潜力，尤其在需要高适应性的机器人系统中，如服务机器人、工业自动化和救援机器人等领域。EmbodiSteer的框架可以帮助机器人在复杂环境中更有效地执行任务，减少碰撞风险，提高成功率，推动机器人技术的实际应用和发展。
📄 摘要（原文）
Scalable robot imitation learning relies on large-scale heterogeneous data from diverse robots or body-free data, making Cartesian end-effector actions a key interface for embodiment-agnostic policy learning. However, end-effector-only abstraction leaves Cartesian policies unaware of the deployed robot body, making them brittle under robot-specific constraints such as whole-body collision avoidance. To overcome this limitation, we present EmbodiSteer, a training-free framework that steers embodiment-agnostic visuomotor policies toward zero-shot, embodiment-aware deployment. EmbodiSteer keeps policy learning in Cartesian space while efficiently lifting inference-time diffusion sampling into the target robot's joint space via forward kinematics and Jacobian-based updates. With whole-body collision-aware guidance over joint trajectories after each denoising step, the arm can be steered away from collisions while preserving learned end-effector behavior. Compared with Cartesian-only execution, EmbodiSteer reduces collision rate by 46.1% and improves task success rate by 28.5% across 9 simulated robots, and further achieves 90.0% collision rate reduction and 36.7% success rate increase on two physical robots in highly constrained scenarios. Our project page is at https://frankwang67.github.io/EmbodiSteer-Page.