Human2Any：通过约束感知组合规划实现从人类到机器人的迁移

人类视频是机器人操作的可扩展监督来源，但因具身差异、场景变化及机器人可行性约束，迁移极具挑战。本文提出 Human2Any 框架，无需目标场景真实机器人数据，即可从人类视频中学习可复用的以物体为中心的交互先验。该方法通过物体间交互运动表征操作，抽象具身细节，并将学到的先验与机器人可行性推理及运动规划相结合，适应不同具身、几何及任务上下文。实验在 Franka 桌面及 RBY-1 人形机器人上验证了其鲁棒性。