OmniContact：通过接触流链式元技能实现通用人形机器人移动操作
本文提出OmniContact分层框架，核心是接触流（CF）表示，由关键身体轨迹和时序二进制接触信号组成。底层策略CF-Track学习统一技能库，高层模块CF-Gen启发式合成未来接触流序列。在搬运箱子和推叠箱子任务中分别达到98.7%和76.5%成功率，显著超越基线。框架支持与视觉语言模型集成，实现语义驱动的复杂操作。
人形机器人执行长时间、多步骤的移动操作任务（如搬运箱子或堆叠物体）面临双重挑战：不仅需要稳健地执行单个元技能，还必须能够将这些技能无缝链式组合，并在失败时自主恢复。现有方法要么依赖显式的人机交互表示（如接触点、力传感器），虽精确但难以用于高层规划；要么使用隐式技能嵌入，虽紧凑但缺乏可解释性，难以可靠组合。
针对这一难题，来自多所机构的研究人员提出了OmniContact框架，其核心创新在于“接触流”（Contact Flow, CF）——一种紧凑的表示，由关键身体部位的运动轨迹和时序二进制接触信号组成。接触流作为高层规划与底层执行之间的共享接口。底层策略CF-Track通过模仿学习或强化学习，从接触流中学习一个统一的移动操作技能库；高层模块CF-Gen则基于当前状态和任务目标，启发式地生成未来的接触流序列。这种分层设计使得系统能够稳健执行、自主失败恢复，并灵活组合元技能。
为了支持训练，研究团队还收集了OmniContact数据集，这是一个基于动作捕捉的人机交互语料库，专门用于人形机器人移动操作。实验结果显示，OmniContact在两个标准任务中表现卓越：在“搬运箱子”任务中成功率达到98.7%，在“推叠箱子”任务中达到76.5%，相比之前的最佳基线，元技能执行成功率平均提升40.9%，技能链式成功率提升66.5%。
此外，OmniContact天然支持与视觉语言模型（VLM）集成。通过VLM进行语义任务分解，系统可理解高层指令（如“将散落的箱子排成心形”），并自动生成对应的接触流序列，实现复杂的语义驱动操作行为。这一工作为通用人形机器人操作提供了全新思路，有望在家庭服务、工业制造和灾难响应等领域发挥重要作用。
研究的突破在于，OmniContact通过接触流这一紧凑表示，成功弥合了高层规划与底层执行之间的鸿沟。与现有方法相比，它既保留了显式表示的精确性，又具备隐式表示的灵活性，同时提供了可解释性。未来的工作可以进一步扩展接触流的概念，将其应用于更复杂的多机器人协作场景，或者结合更多的感知模态，以提升机器人在未知环境中的适应性。