本文介绍了一项发表于 arXiv 的机器人学研究，论文编号为 2606.25123（v1），标题为《RGB: RL Guided Whole-Body MPPI for Humanoid Control》，由 Yunsoo Seo 等五位作者共同完成，提交时间为 2026 年 6 月 23 日，属于 cs.RO（机器人学）分类，全文共 7 页。研究的核心问题在于：人形机器人需要在接触密集的环境中实现既稳健又精确的全身控制，而现有方法各有短板。
研究团队指出，深度强化学习（RL）虽然能够实现很强的稳定性，但其行为与训练目标和指令接口紧密绑定，一旦想加入新的反馈目标，往往不得不重新训练策略，代价高昂且缺乏灵活性。针对这一痛点，作者提出了一种由 RL 引导的全身模型预测路径积分（MPPI）框架，将其定位为一个附加式反馈控制器，叠加在预训练的 RL 策略之上使用。
该方案的关键设计在于改变 RL 策略的角色：它不再充当最终控制器，而是作为采样先验，使 MPPI 的 rollout 更倾向于动力学上可行的行为。具体任务目标通过模块化的 MPPI 代价项来指定，MPPI 则在闭环中持续在线修正 RL 先验，以满足这些目标，整个过程无需重新训练策略。这种分工让稳健性来自 RL，而精确性与可调整性来自 MPPI。
实验在 MuJoCo 仿真环境中进行，对象是一台 29 自由度的 Unitree G1 人形机器人。结果显示，该框架能够实现稳定的高频率控制，平均约 280 Hz。在与纯 RL 基线相同的指令接口下，所提方法提升了任务级精度：一方面纠正了直线行走过程中的系统性漂移，另一方面能够通过代价项跟踪额外施加的全身参考信号。
论文同时给出了 arXiv 标识与 DOI（10.48550/arXiv.2606.25123），DOI 由 DataCite 发放，尚待注册。作者提供了 PDF、实验性 HTML 以及 TeX 源码等多种获取方式，并附有引用工具与相关论文推荐入口。总体而言，这项工作为在已有 RL 策略上快速叠加新的反馈目标提供了一条无需重训的工程路径，对接触密集场景下的人形机器人全身控制具有参考价值。