PhysMoDPO：通过偏好优化实现物理上合理的人形动作

arXiv:2603.13228v3 公告类型：替换 摘要：近年来，文本条件人体动作生成领域的进展主要得益于在大规模人体动作数据上训练的扩散模型。在此基础上，近期方法尝试将此类模型迁移到角色动画和真实机器人控制中，通过应用全身控制器（Whole-Body Controller，WBC）将扩散模型生成的动作转换为可执行轨迹。尽管经过 WBC 处理的轨迹符合物理规律，但其可能与原始动作产生显著偏差。为解决这一问题，我们提出了 PhysMoDPO，一种直接偏好优化框架。不同于依赖脚部滑动惩罚等手工设计的物理感知启发式方法，我们将 WBC 集成到训练流程中，并优化扩散模型，使 WBC 的输出同时符合物理规律和原始文本指令。为了训练 PhysMoDPO，我们采用基于物理和任务特定的奖励，并利用这些奖励对合成轨迹进行偏好排序。在文本到动作和空间控制任务上的大量实验表明，在模拟机器人上，PhysMoDPO 在物理真实性和任务相关指标方面均取得了稳定提升。此外，我们还证明，在仿真中的零样本动作迁移以及部署到真实世界的 G1 人形机器人上时，PhysMoDPO 都能带来显著改进。