Athena-WBC: Capability-Aligned Policy Experts for Long-Tail Humanoid Whole-Body Control
作者: Yuan Jiang, Ningyuan Zhang, Xicun Yang, Shidi Li, Yuzhi Jiang, Zhiyi Rong, Shuaikang Ma, Chuanzheng Li, Jie Chen
分类: cs.RO
发布日期: 2026-07-06
备注: 27 pages, including appendix. Preprint
💡 一句话要点
提出Athena-WBC以解决长尾人形机器人全身控制问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱八：物理动画 (Physics-based Animation)
关键词: 人形机器人 全身控制 长尾问题 能力对齐 动态专家 平衡控制 强化学习 运动跟踪
📋 核心要点
- 现有的人形机器人控制方法在处理高动态和重心关键动作时存在显著不足，导致训练集中的长尾动作未能有效解决。
- 论文提出Athena-WBC，通过能力对齐的策略专家来优化长尾人形全身控制，采用动态专家和重力课程来提升训练效果。
- 实验结果显示，Athena-WBC在训练集长尾动作恢复和跟踪性能上均优于SONIC基线，展示了其在实际应用中的潜力。
📝 摘要（中文）
大规模人形运动跟踪控制器通常通过重新分配训练努力来改进：困难的动作被更频繁地采样、孤立成更小的子集或分配给专门的专家。我们展示了这种观点的不完整性。在强大的全身控制基线中，即使在针对性训练下，仍然存在一组可行的训练片段未能解决，尤其是在高动态过渡和重心关键动作方面。这些失败不仅源于曝光不足，还源于运动需求与默认训练方案所诱导的有效能力之间的不匹配。我们提出了Athena-WBC，一个紧凑的教师-学生管道，具有能力对齐的策略专家，用于长尾人形全身控制。动态专家使用关注跟踪的、约束感知的目标，消除了保守努力和时间控制惩罚，同时保持物理可行性约束；平衡专家使用重力课程来提高早期训练的生存能力。最终的特权教师被用于DAgger蒸馏，然后压缩成一个具有可部署观察的单一控制器，随后进行强化学习微调。对全尺寸人形的实验表明，训练集长尾动作的恢复得到了改善，且在跟踪性能上优于强大的SONIC基线，仅使用少量专家。
🔬 方法详解
问题定义：论文要解决的是在长尾人形全身控制中，现有方法在高动态过渡和重心关键动作上的训练不足，导致未能有效处理的训练片段。
核心思路：论文的核心解决思路是通过引入能力对齐的策略专家，分别针对动态控制和平衡控制进行优化，从而提升训练效果和动作恢复能力。
技术框架：整体架构包括教师-学生管道，动态专家和平衡专家分别负责不同类型的动作，通过DAgger蒸馏将知识转移到单一控制器，最后进行强化学习微调。
关键创新：最重要的技术创新点在于引入了能力对齐的专家系统，动态专家关注跟踪和约束，而平衡专家则通过重力课程提升早期训练的生存能力，这与传统方法的单一专家模型有本质区别。
关键设计：关键设计包括动态专家的约束感知目标设置，消除保守努力和时间控制惩罚，以及平衡专家的重力课程设计，以确保在训练初期的稳定性和有效性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，Athena-WBC在训练集长尾动作的恢复上有显著提升，相较于SONIC基线，跟踪性能得到了改善，展示了在实际应用中的优越性和有效性。
🎯 应用场景
该研究的潜在应用领域包括人形机器人在复杂环境中的自主导航、交互和任务执行，具有重要的实际价值。未来，Athena-WBC可以推动人形机器人在动态场景中的应用，如救援、服务和娱乐等领域，提升其适应性和灵活性。
📄 摘要（原文）
Large-scale humanoid motion-tracking controllers are commonly improved by reallocating training effort: difficult motions are sampled more often, isolated into smaller subsets, or assigned to specialized experts. We show that this view is incomplete. In strong whole-body-control baselines, a residual set of feasible training clips remains unsolved even under targeted training, especially for high-dynamic transitions and balance-critical motions. These failures arise not only from insufficient exposure, but from a mismatch between the motion demands and the effective capability induced by the default training recipe. We propose Athena-WBC, a compact teacher-student pipeline with capability-aligned policy experts for long-tail humanoid whole-body control. Dynamic experts use a tracking-focused, constraint-aware objective that removes conservative effort and temporal-control penalties while preserving physical feasibility constraints; balance experts use a gravity curriculum to improve early-training survivability. The resulting privileged teachers are motion-routed for DAgger distillation and then compressed into a single controller with deployable observations followed by RL fine-tuning. Experiments on a full-size humanoid show improved recovery of training-set long-tail motions and better held-out tracking than a strong SONIC-recipe baseline, using only a small number of experts.