TRACE：面向人形机器人跨本体全身控制的高效迁移学习框架

预印本摘要称，研究者提出人形机器人跨本体全身控制迁移学习框架 TRACE，可在保留预训练运动表征的同时让反馈控制适配新机器人本体。该方法通过注入运动学先验、对齐关节动力学，并结合编码器蒸馏与两阶段低秩强化学习，在单张 RTX PRO 6000 GPU 上训练约 8 小时完成从 Unitree G1 到 Unitree H2 的控制器迁移。