外观
论文arXiv 2605.123475 个月前
基于IMU动捕实现Unitree G1低延迟全身遥操作与Sim2Real验证
研究提出无需离线缓冲的实时全身遥操作系统，利用Virdyn IMU动捕服驱动Unitree G1人形机器人。经MuJoCo仿真与真机双重验证，系统稳定复现行走、坐立及复杂手势，为低成本穿戴式具身数据采集提供可扩展框架。
宇树 G1本文由 AI 根据公开内容整理，可能有误，请以原文为准：Real-Time Whole-Body Teleoperation of a Humanoid Robot Using IMU-Based Motion Capture with Sim2Sim and Sim2Real Validation（arXiv 2605.12347）
核心内容
针对人形机器人全身遥操作中形态失配、传感器噪声及Sim2Real迁移难题，该研究构建了基于Virdyn IMU动捕服的实时控制系统，直接映射人体动作至Unitree G1本体。系统在MuJoCo仿真中完成Sim2Sim验证后，无需修改即部署于物理平台，成功实现行走、站立、坐下、转身、鞠躬及协调性全身表达动作的稳定同步复现。
技术核心在于定制化的运动处理、运动学重定向与控制流水线，专为连续低延迟运行设计，完全摒弃离线缓冲与学习组件，有效规避了累积惯性噪声与控制延迟干扰。该方案验证了使用消费级可穿戴硬件进行人形机器人全身遥操作的可行性，建立了从仿真到真机的标准化验证流程，显著降低了高保真动作捕捉与控制的工程门槛。
关键看点
- 无学习低延迟管线：采用纯工程化运动处理与重定向算法，剔除离线缓冲与学习模块，保障连续实时控制性能
- Sim2Real零修改迁移：基于MuJoCo物理模型验证后直接部署真机，证实仿真与实物动力学一致性
- 消费级IMU动捕集成：利用Virdyn穿戴设备替代光学动捕，验证低成本硬件在全身遥操作中的有效性
- 全动作谱系覆盖：稳定支持行走、坐立、转身及复杂手势等多样化动作，突破单一任务遥操作局限
工程与产业观察
该工作证明了非学习型确定性管线在解决人形机器人Sim2Real鸿沟中的工程价值。通过消费级IMU替代昂贵光学设备并实现零修改真机部署，为具身智能团队提供了低成本、高可靠的动作数据采集与遥操作基准，加速了人形机器人模仿学习与行为克隆的数据闭环构建。
英文摘要 (Abstract)
Stable, low-latency whole-body teleoperation of humanoid robots is an open research challenge, complicated by kinematic mismatches between human and robot morphologies, accumulated inertial sensor noise, non-trivial control latency, and persistent sim-to-real transfer gaps. This paper presents a complete real-time whole-body teleoperation system that maps human motion, recorded with a Virdyn IMU-based full-body motion capture suit, directly onto a Unitree G1 humanoid robot. We introduce a custom motion-processing, kinematic retargeting, and control pipeline engineered for continuous, low-latency operation without any offline buffering or learning-based components. The system is first validated in simulation using the MuJoCo physics model of the Unitree G1 (sim2sim), and then deployed without modification on the physical platform (sim2real). Experimental results demonstrate stable, synchronized reproduction of a broad motion repertoire, including walking, standing, sitting, turning, bowing, and coordinated expressive full-body gestures. This work establishes a practical, scalable framework for whole-body humanoid teleoperation using commodity wearable motion capture hardware.
作者：Hamza Ahmed Durrani, Suleman Khan
来源
本页事实对应的公开页面，以原文为准。