内容摘要
人形机器人在全身运动中精确跟踪末端位姿，会受到浮动基座振荡、重力、动力学耦合及行走扰动影响。作者提出 ResGAC，将几何导纳控制与残差强化学习结合：前者根据任务空间反馈生成手臂关节位置目标，后者在同一动作空间修正手臂目标，并控制其余关节以协调行走和平衡。
方法利用左不变几何形式，在不同操作参考系间沿用同一控制律；引入地面附着航向参考系，保留平面运动，避免骨盆横滚、俯仰和升沉经参考变换传入末端目标。但经全身动力学传递的物理扰动仍需学习控制器补偿。
作者在宇树 G1 真机上测试。站立定点跟踪的位置与姿态平均误差为 6.5 毫米、1.37°，定点结果只统计稳态样本。站立插孔实验中，ResGAC 与 SONIC-Teleop-v1.1 各测试20次，成功率分别为90%与50%；目标由 OptiTrack 估计，轴孔直径间隙为10毫米。这些结果对应指定实验条件，不代表通用精密装配能力。
点评
该研究展示了将显式任务空间几何反馈与学习修正结合的人形全身控制路径，并区分了参考系引入的目标运动与实际动力学扰动。
证据为作者论文中的真机实验，而非独立复现。站立跟踪比较中，SONIC-Teleop-v1.1 使用航向参考系，其余控制器使用骨盆参考系，不宜视为完全同协议排名；插孔结果还受目标配准误差与标记遮挡影响，不能外推通用装配能力。
版本与核查范围
版本 2610.09479v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #S1.p1.1；#S1.p5.1；#S3.SS2.p1.1；#S1.p5.1；#S3.SS3.p1.2；#S4.p1.1；#S4.SS2.p4.1；#S4.SS2.p3.1；#S4.SS2.p3.1；#S4.SS4.p1.1；#S4.SS4.p2.1