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: 2026-06-12
💡 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 视觉运动策略 身体感知 碰撞避免 关节空间映射
📋 核心要点
- 现有的笛卡尔末端执行器策略在特定机器人约束下表现脆弱，无法有效应对身体特异性问题。
- EmbodiSteer通过在笛卡尔空间中保持策略学习，并利用正向运动学和雅可比更新实现关节空间的引导，解决了这一问题。
- 实验结果显示，EmbodiSteer在模拟和物理机器人上均显著降低了碰撞率并提高了任务成功率，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不同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感知部署的机器人身体，从而在特定约束下表现脆弱。为了解决这一限制，本文提出了EmbodiSteer，一个无需训练的框架，能够将身体无关的视觉运动策略引导至零-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至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引导，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进一步实现了90.0%的碰撞率降低和36.7%的成功率提升。
🔬 方法详解
问题定义：本文旨在解决机器人模仿学习中，笛卡尔末端执行器策略无法感知具体机器人身体的限制，导致在特定约束下表现脆弱的问题。
核心思路：提出EmbodiSteer框架，通过在笛卡尔空间中进行策略学习，并在推理时将动作映射到目标机器人的关节空间，从而实现身体感知的部署。
技术框架：EmbodiSteer的整体架构包括两个主要模块：一是笛卡尔空间的策略学习，二是通过正向运动学和雅可比更新将策略映射至关节空间，并在每个去噪步骤后进行碰撞感知引导。
关键创新：EmbodiSteer的创新在于其无需训练的特性，能够在保持末端执行器行为的同时，避免全身碰撞，这在现有方法中是未曾实现的。
关键设计：在设计中，采用了正向运动学进行关节空间映射，并使用雅可比矩阵进行更新，确保了在去噪过程中对碰撞的有效引导。
🖼️ 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，碰撞率进一步降低至90.0%，成功率提升36.7%，显示出其在高度约束场景中的优越性能。
🎯 应用场景
该研究的潜在应用领域包括工业机器人、服务机器人以及自主移动设备等，能够在复杂环境中实现更安全和高效的操作。未来，EmbodiSteer可能推动机器人在多种任务中的广泛应用，尤其是在需要高精度和安全性的场景中。
📄 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 atthis https URL.