EgoHumanoid Unlocking In-the-Wild Loco-Manipulation with Robot-Free Egocentric Demonstration

Title: EgoHumanoid Unlocking In-the-Wild Loco-Manipulation with Robot-Free Egocentric Demonstration
Authors: Modi Shi, Shijia Peng, Jin Chen, Haoran Jiang, Yinghui Li, Di Huang, Ping Luo, Hongyang Li, Li Chen
arXiv: https://arxiv.org/abs/2602.10106

EgoHumanoid试图打破人形数据稀缺的上限：与其昂贵地采集机器人示教，不如利用可规模化的人类第一视角数据。但直接迁移会遇到双重错配——观察视角错配与动作本体错配。论文贡献在于把这两类错配显式拆开并分别约束。

可记为人到机动作映射 $a_r=\mathcal{M}(a_h,\psi )$，并要求 $a_r\in {\mathcal{A}}_{\text{humanoid}}$；整体训练目标为

$$\mathcal{L}={\mathcal{L}}_{\text{policy}}+{\lambda }_v{\mathcal{L}}_{\text{view-align}}+{\lambda }_a{\mathcal{L}}_{\text{act-align}}.$$

这样模型先把“看见什么”对齐，再把“能做什么”对齐。阅读建议优先看未见环境和跨技能拆分结果，以及去除任一对齐项后的性能塌陷程度。局限在于 egocentric 数据的手物接触细节并不总是充分可见，且人类动作先验并不天然满足机器人动力学约束。

Figures