ReactiveBFM: Reactive Closed-Loop Motion Planning Towards Universal Humanoid Whole-Body Control
作者: Xiao Chen, Weishuai Zeng, Xiaojie Niu, Zirui Wang, Jianan Li, Huayi Wang, Furui Xu, Jiahe Chen, Weixiang Zhong, Lihe Ding, Kailin Li, Jiangmiao Pang, Tai Wang, Tianfan Xue, Jingbo Wang
分类: cs.RO, cs.AI, cs.CV
发布日期: 2026-06-29
备注: Project page: https://xiao-chen.tech/reactivebfm/
💡 一句话要点
提出ReactiveBFM以解决人形机器人反应性运动规划问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 人形机器人 运动规划 闭环控制 行为基础模型 实时反应 全身协调 动态环境 生成规划
📋 核心要点
- 现有的行为基础模型在应对环境变化时表现出脆弱性，无法实现有效的反应性全身协调。
- ReactiveBFM通过实时闭环规划控制框架，利用调度前缀采样课程来减轻暴露偏差，提升反应能力。
- 在模拟环境中，ReactiveBFM在严重扰动下的成功率达到93.1%，相比于级联的开放式基线提升了28.6%。
📝 摘要（中文）
当前的行为基础模型（BFMs）为人形机器人提供了稳健的控制先验，但仅能执行预定义的参考动作，导致对环境变化的脆弱性和缺乏反应性全身协调。简单地将其与生成运动规划器级联无法实现真正的反应性，因为不可避免的跟踪差异会导致致命的累积暴露偏差。为了解决这一问题，我们提出了ReactiveBFM，一个实时闭环规划控制框架。通过调度前缀采样课程，有效减轻了暴露偏差，迫使生成规划器从不完美的物理状态中主动学习错误恢复行为。我们的系统在Unitree G1人形机器人上展示了前所未有的物理灵活性，能够实现零-shot移动目标到达，展现出复杂的全身协调和即时重新规划。
🔬 方法详解
问题定义：本论文旨在解决现有行为基础模型在动态环境中缺乏反应性和全身协调能力的问题。现有方法在执行预定义动作时，无法有效应对环境变化，导致运动控制的脆弱性。
核心思路：ReactiveBFM的核心思路是通过实时闭环规划控制框架，利用调度前缀采样课程来减轻暴露偏差，从而使生成规划器能够从不完美的物理状态中学习错误恢复行为，而不是依赖于理想的轨迹。
技术框架：该方法的整体架构包括生成规划器、调度前缀采样模块和异步重新规划机制。生成规划器负责生成运动轨迹，调度前缀采样模块用于减轻暴露偏差，而异步重新规划机制则解决了自回归规划与高频跟踪之间的延迟不匹配问题。
关键创新：ReactiveBFM的主要创新在于引入了调度前缀采样课程和异步重新规划机制，这与现有方法的线性级联设计形成了本质区别，能够实现更高效的反应性控制。
关键设计：在设计中，采用了轨迹块化技术以时间上集合空间参考，确保执行过程中的时空流畅性。此外，系统的参数设置和损失函数设计也经过精心调整，以优化运动控制的稳定性和灵活性。
🖼️ 关键图片
📊 实验亮点
在模拟到模拟的基准测试中，ReactiveBFM在遭遇严重扰动时的成功率达到了93.1%，相比于级联的开放式基线提升了28.6%。这一显著的性能提升展示了其在复杂环境中的优越反应能力和运动协调性。
🎯 应用场景
ReactiveBFM的研究成果在机器人领域具有广泛的应用潜力，特别是在动态环境下的人形机器人控制。其能够实现复杂的全身协调和即时重新规划，使其在救援、服务和娱乐等场景中具备更高的实用性和灵活性。未来，该技术有望推动人形机器人在复杂任务中的自主性和适应性。
📄 摘要（原文）
While current Behavior Foundation Models (BFMs) provide robust control priors for humanoids, they only execute pre-defined reference motions. As a result, they are vulnerable to environmental shifts and incapable of reactive whole-body coordination. Naively cascading them with generative motion planners fails to achieve true reactivity, as inevitable tracking discrepancies induce fatal cumulative exposure bias. To bridge this gap, we propose ReactiveBFM, a real-time closed-loop planning-control framework. At its core, we effectively mitigate exposure bias via a scheduled prefix sampling curriculum, forcing the generative planner to actively learn error-recovery behaviors from imperfect physical states rather than ground-truth trajectories. Systematically, to reconcile the severe latency mismatch between auto-regressive planning and high-frequency tracking, we introduce an asynchronous replanning mechanism. Combined with trajectory chunking to temporally ensemble spatial references, our system guarantees spatio-temporally fluid execution without physical jitter. Deployed on the Unitree G1 humanoid, ReactiveBFM demonstrates unprecedented physical agility across a vast repertoire of text-conditioned closed-loop motions. Notably, ReactiveBFM achieves zero-shot moving target reaching, showcasing intricate whole-body coordination and on-the-fly replanning. In sim-to-sim benchmarking under severe perturbations, ReactiveBFM achieves a 93.1% success rate, significantly outperforming cascaded open-loop baselines by 28.6%.