在复杂环境中，助理人形机器人进行合作对象运输依然面临挑战，尤其是在强烈、时变的交互力影响下，传统的以轨迹为中心的全身控制往往变得不可靠，特别是在紧密接触支持任务中。
本文提出了一种生物启发的交互导向全身控制（IO-WBC），其功能类似于人工小脑，作为一个自适应运动代理，将上游（技能级别）指令转化为在接触下稳定且物理一致的全身行为。
该方法在结构上将上半身的交互执行与下半身的支持控制分离，使机器人在紧密耦合的机器人-物体系统中能够保持平衡，同时塑造力的交换。
一个基于轨迹优化的参考生成器（RG）提供运动学先验，而强化学习（RL）策略则在重载交互和扰动下控制身体反应。该策略在模拟中通过随机化载荷质量/惯性和外部扰动进行训练，并通过不对称的教师-学生蒸馏进行部署，使得学生在运行时仅依赖本体感知历史。
大量实验表明，IO-WBC能够在精确速度跟踪变得不可行时，依然保持稳定的全身行为和物理交互，从而在广泛场景中实现符合要求的对象运输。
博主点评： 该研究通过生物启发的控制策略显著提升了人形机器人的物体运输能力，尤其是在复杂动态环境中，展示了强化学习与控制理论结合的巨大潜力，值得关注与深入研究。