TANGO：利用全身视觉语言动作模型实现复杂环境中的人形机器人导航
TANGO 是一个面向人形机器人的视觉语言导航框架，用于处理障碍物密集的室内环境。不同于将导航简化为二维路径规划，TANGO 会持续调整机器人的全身，包括手臂位置、躯干姿态和步态，以无碰撞方式穿越复杂的三维空间。系统接收自然语言指令和机器人第一视角的 RGB 观测，直接预测包含 29 个自由度的关节空间动作。TANGO 完全在仿真环境中训练，通过全局路径规划、全身运动生成、面向障碍物的动作编辑以及基于强化学习的跟踪，合成可执行的无碰撞运动数据。在仿真实验中，该系统在需要绕行障碍物的复杂场景中优于模块化基线方法。研究人员还将其零样本部署到 Unitree G1 人形机器人上，在没有使用真实导航数据训练的情况下，实现了真实环境中的语言引导移动。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。