メニュー
Humanoid Agentic Task-Space Whole-Body Control via Distilled Complementary Teachers - 多教师KL蒸馏框架用于人形机器人全身控制
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
SOC 職業分類に基づく
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/hiyenwong/ai_collection --skill handoff-humanoid-controlコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
SKILL.md を表示中
Graph-native Python reimplementation of the Information Dynamics of Music (IDyOM) model that represents predictive memories as explicit graph objects for musical expectation modeling and network analysis.
Physics-aware end-to-end deep reinforcement learning methodology for quadcopter control with actuator dynamics modeling.
Reinforced Dreamer methodology for asymmetric reinforcement learning using latent guidance to improve world model representations and behaviors in model-based RL.
| name | handoff-humanoid-control |
| description | Humanoid Agentic Task-Space Whole-Body Control via Distilled Complementary Teachers - 多教师KL蒸馏框架用于人形机器人全身控制 |
| version | 1.0.0 |
| category | systems-engineering |
| tags | ["control-systems","robotics","humanoid","whole-body-control","multi-teacher-distillation","mixture-of-experts"] |
| activation_keywords | ["humanoid","whole-body control","task-space","distillation","mixture-of-experts","motion tracking","locomotion","fall-recovery"] |
| arxiv_id | 2606.06493v1 |
| authors | Lizhi Yang, Junheng Li, Nehar Poddar, Yiling Hou, Gio Huh, Robert Griffin, Georgia Gkioxari, Aaron Ames |
| published | 2026-06-04T00:00:00.000Z |
HANDOFF 是一个创新的人形机器人全身控制框架，通过多教师KL蒸馏方法将三个互补专家教师（全身动作跟踪、运动、跌倒恢复）蒸馏到一个混合专家学生模型中。该方法解决了任务规划与全身控制之间的接口问题，提供了一个紧凑、直观、通用且表达能力强的命令空间接口。
HANDOFF 提出了四个命令空间设计准则：
核心蒸馏流程：
三个互补教师专家：
上下文条件门控机制 (Context-conditioned gating):
KL蒸馏损失: $$L_{distill} = \sum_{i=1}^{N} KL(\pi_{student} || \pi_{teacher_i}) \cdot g_i(x)$$
学生模型作为MoE（Mixture-of-Experts）架构：
全身动作跟踪教师使用安全过滤数据：
┌─────────────────────────────────────────────────────────┐
│ VLM-Driven Planner │
│ (Natural Language → Task Commands) │
└───────────────────────┬─────────────────────────────────┘
│ Task Commands
▼
┌─────────────────────────────────────────────────────────┐
│ HANDOFF Controller │
│ ┌─────────────────────────────────────────────────┐ │
│ │ MoE Student (Distilled) │ │
│ │ ┌─────────┐ ┌─────────┐ ┌─────────┐ │ │
│ │ │Expert 1 │ │Expert 2 │ │Expert 3 │ │ │
│ │ │(Motion) │ │(Locomot)│ │(Fall-Rec)│ │ │
│ │ └─────────┘ └─────────┘ └─────────┘ │ │
│ │ ↑ Context-Conditioned Gating ↓ │ │
│ └─────────────────────────────────────────────────┘ │
└───────────────────────┬─────────────────────────────────┘
│ Whole-body Actions
▼
┌─────────────────────────────────────────────────────────┐
│ Unitree G1 Hardware │
└─────────────────────────────────────────────────────────┘
紧凑命令空间接口：
三个教师的数据来源：
# 蒸馏训练伪代码
for epoch in range(N_epochs):
for context in contexts:
# 1. 从教师获取目标策略
teacher_policy = select_teacher(context)
target_actions = teacher_policy.sample(state)
# 2. 计算门控权重
gate_weights = gating_network(context)
# 3. 学生预测
student_actions = student_moe(state, context)
# 4. KL蒸馏损失
loss = kl_divergence(student_actions, target_actions)
loss *= gate_weights
# 5. 反向传播
update_student(student_moe, loss)
上下文条件判断：
当遇到以下问题时使用此技能：
HANDOFF 提供了一个完整的系统工程学解决方案，从命令空间设计、多教师蒸馏、上下文门控到硬件验证。该方法展示了如何通过蒸馏框架融合互补专家技能，为人形机器人全身控制提供了紧凑且表达能力强的接口，是系统工程学在机器人控制领域的创新应用。