ECHO-N

使用必要域随机化训练的 ECHO 策略。从互动历史推断动力学并修正 ECHO-PRE 的动作输出。论文在无附加载荷的 G1 真机上测试了四种参考动作。

论文与报告 (1)

ECHO:面向人形机器人全身控制的上下文行为基础模型

有论文

ECHO: In-Context Behavior foundation model for Humanoid Whole-Body Control

arXiv: 2611.25778DOI: 10.48550/arxiv.2611.25778
作者与单位 (10)

署名方式: 原文顺序

  1. Xingyi Wangco-first author

    Zhejiang University · Institute of Artificial Intelligence (TeleAI), China Telecom

  2. Bin Lico-first author

    Institute of Artificial Intelligence (TeleAI), China Telecom · ShanghaiTech University

  3. Jiyuan Shi

    Institute of Artificial Intelligence (TeleAI), China Telecom

  4. Chenyun Zhang

    Institute of Artificial Intelligence (TeleAI), China Telecom

  5. Weiji Xie

    Institute of Artificial Intelligence (TeleAI), China Telecom · Shanghai Jiao Tong University

  6. Xiangyu Miao

    Institute of Artificial Intelligence (TeleAI), China Telecom · Shanghai Jiao Tong University

  7. Junsong Wu

    Institute of Artificial Intelligence (TeleAI), China Telecom · Shanghai Jiao Tong University

  8. Wei Song

    Zhejiang University

  9. Shiqiang Zhucorresponding author

    Zhejiang University

首版日期
2026-11-20
论文最新修订
v1 · 2026-11-20
会议 / 期刊
未提供

覆盖的模型版本

如何获取与使用

本版本训练代码待核实。公开代码资源不代表已确认包含本版本的训练实现。

训练 / 微调代码

发布信息

来源核验日期 · 2026-11-20

部署前需核对

权重或代码可获取,不代表机器人可以即插即用。请按来源文档核对配置、数据与接口要求。

控制方式与输入输出

模型类型
运动与全身控制
骨干网络
ECHO-PRE
输入
机器人状态

适用范围与训练方式

本体范围

单本体

功能方向

action_control

输出

动作

机器人形态

人形机器人

任务范围

多任务

训练方式

强化学习

提交来源或更正