HODAgent: Towards On-Demand, Responsive Humanoids for Physical World Human Interaction

📄 arXiv: 2608.17584v1 📥 PDF

作者: Wang Warren Chen, Jiahao Zhang, Zhenjiang Li, Mingxu Wang, Lei Yi, Yuchen Kang, Shuo Sun, Ziping Chen, Jie Chen

分类: cs.RO

发布日期: 2026-08-18

💡 一句话要点

提出HODAgent以解决人形机器人在服务场景中的响应性问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 人形机器人 服务机器人 响应性 任务修订 系统-2代理 环境交互 规划与执行 智能服务

📋 核心要点

  1. 现有的人形机器人在服务场景中缺乏灵活性，难以实时响应用户的新请求和任务修订。
  2. HODAgent通过半双工架构集成多个模块，支持在运动中处理新请求并保持任务状态的一致性。
  3. 在实验中，HODAgent在仿真和物理机器人上均表现出色，联合成功率和任务通过率显著高于基线。

📝 摘要（中文）

我们提出了HODAgent，一个用于服务环境的人形机器人系统，旨在解决情境意图、响应执行、任务修订和结果验证等问题。其半双工架构集成了环境交互器、规划器、执行器和分层记忆，以保持服务过程中的一致交互、规划和任务状态。这使得机器人在运动过程中能够处理新请求、保留进度、修订动作，并在执行结果中实现闭环。通过与物理机器人（Unitree G1）连接的共享接口，隔离了平台特定的控制。在164个案例的交互式仿真中，HODAgent在两个VLM基础上实现了84.8%和91.5%的联合成功率，超越基线9.8和18.9个百分点。在物理机器人上，原子任务、复合任务和完整任务的通过率分别为92%、72%和63.3%。在多个具身基准测试中，HODAgent的表现比基线提高了0.7-9.0个百分点。结果表明，统一的系统-2代理能够在仿真和现实中实现自适应的人形服务。

🔬 方法详解

问题定义：本论文旨在解决人形机器人在服务环境中对用户请求的响应性不足，现有方法在处理新请求和任务修订时常常无法保持一致性和灵活性。

核心思路：HODAgent采用半双工架构，集成环境交互器、规划器、执行器和分层记忆，旨在实现任务状态的持续跟踪和灵活应对新请求。

技术框架：HODAgent的整体架构包括四个主要模块：环境交互器负责感知和理解用户意图，规划器生成任务执行计划，执行器负责实际的动作执行，而分层记忆则用于存储和管理任务状态信息。

关键创新：HODAgent的核心创新在于其半双工架构的设计，使得机器人能够在执行任务的同时处理新的请求和修订，显著提升了响应能力和任务执行的灵活性。

关键设计：在设计中，HODAgent采用了共享接口以连接仿真和物理机器人，确保了平台独立性。此外，针对不同任务类型，设定了相应的参数和损失函数，以优化任务执行的效果。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在实验中，HODAgent在仿真环境中实现了84.8%和91.5%的联合成功率，超越基线9.8和18.9个百分点。在物理机器人上，原子任务、复合任务和完整任务的通过率分别为92%、72%和63.3%，显示出其在多种任务场景中的优越性能。

🎯 应用场景

HODAgent的研究成果在服务机器人、家庭助理、医疗护理等领域具有广泛的应用潜力。其自适应能力和高效的任务处理能力将提升人形机器人在实际场景中的服务质量和用户体验，未来可能推动智能服务机器人的普及与发展。

📄 摘要（原文）

We propose HODAgent, a System-2 embodied agent for humanoid robots in service settings, addressing situated intent, responsive execution, task revision, and outcome verification. Its semi-duplex architecture integrates an Env-Interactor, Planner, Executor, and hierarchical Memory to maintain coherent interaction, planning, and task state during service episodes. This allows handling new requests during motion, retaining progress, revising actions, and grounding closure in execution outcomes. A shared interface connects simulation and physical robots (Unitree G1), isolating platform-specific control. In an interactive simulation with 164 cases, HODAgent achieves 84.8% and 91.5% Joint Success under two VLM backbones, outperforming baselines by 9.8 and 18.9 points. On physical robots, pass rates are 92% (atomic), 72% (composite), and 63.3% (complete tasks). On multiple embodied benchmarks, it improves over baselines by 0.7-9.0 points. Results show a unified System-2 agent enables adaptive humanoid service across simulation and reality.