Vai al contenuto
AI.info

Ricerca

Heave-Ho: collaborazione decentralizzata a lungo orizzonte tra più umanoidi

La collaborazione promette di estendere le capacità degli umanoidi oltre ciò che i singoli robot possono realizzare. Tuttavia, per concretizzare questo potenziale servono interazioni coordinate con…

arXiv
2611.22275
Pubblicato
2026-11-17
Autori
Ting-Hsuan Chen, Siheng Zhao, Han Jiang, Qi Pan, Louison Lu, Jiaheng Luo, Henghui Bao, Yiyu Chen, Quan Nguyen, Yue Wang

Abstract degli autori

La collaborazione promette di estendere le capacità degli umanoidi oltre ciò che i singoli robot possono realizzare. Tuttavia, per concretizzare questo potenziale servono interazioni coordinate con tutto il corpo, una pianificazione coerente a lungo orizzonte e una sincronizzazione precisa tra i robot. Presentiamo Heave-Ho, un framework decentralizzato per la locomozione e la manipolazione collaborative a lungo orizzonte con più umanoidi. A basso livello, sviluppiamo un framework multi-agente di post-training che adatta un modello fondazionale di tracking per umanoidi alle interazioni fisicamente accoppiate tra umanoidi, consentendo un controllo decentralizzato coordinato basato esclusivamente su osservazioni locali. A livello superiore, addestriamo un planner visione-linguaggio e progettiamo un meccanismo di coordinamento tra leader e follower basato sul parlato, per sincronizzare l’esecuzione decentralizzata senza comunicazioni di rete. Addestrato con due umanoidi identici, il nostro sistema si estende a squadre composte da un massimo di dieci robot e si generalizza a squadre eterogenee senza riaddestramento. Per valutare queste capacità, introduciamo HH-Bench, che comprende 12 task svolti da squadre di 2-10 umanoidi, incluse squadre eterogenee. Valutazioni sistematiche mostrano che Heave-Ho supera costantemente i metodi di riferimento, mentre gli esperimenti nel mondo reale dimostrano una collaborazione decentralizzata robusta in task impegnativi.

Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.

Leggi il paper originale su arXiv