Aug 1, 2026 · LooperMuscle
LooperMuscle: Fast and Stable Learning of Humanoid Whole-Body Tracking via Structured Mixture-of-Experts
LooperMuscle 是一种用于人形机器人全身跟踪的组合专家策略学习框架，结合了语义结构化混合专家 actor、专家感知分布 critic 和贡献路由重放与延迟课程调度。在运动跟踪精度上优于 vanilla FastSAC，训练时间约 45 分钟，远少于 PPO 的约 6 小时。
EVENT STORY
Development
- First ReportLooperMuscle: Fast and Stable Learning of Humanoid Whole-Body Tracking via Structured Mixture-of-ExpertsarXiv cs.RO
- Current Assessment该研究针对 FastSAC 类方法在全身跟踪任务中性能下降的问题，提出了一种在训练效率和性能之间取得平衡的方案。这可能推动人形机器人策略学习向更高效的方向发展，但实际应用仍需验证。Agent Pulse · analysis
LooperMuscle 论文提出了一种组合专家策略学习框架，用于人形机器人全身跟踪任务。该方法结合了语义结构化混合专家 actor、专家感知分布 critic 和贡献路由重放与延迟课程调度，形成一个闭环训练循环。实验表明，LooperMuscle 在运动跟踪精度上显著优于 vanilla FastSAC，同时训练时间约为 45 分钟，远少于 PPO 的约 6 小时，恢复了与 PPO 之间的大部分性能差距。
LooperMuscle 的核心创新在于将专家贡献用于指导数据路由，路由数据塑造价值学习，价值梯度反过来细化专家专业化，形成闭环。这种结构化混合专家设计可能提高样本效率和策略表达能力，但具体机制需进一步验证。
该研究针对 FastSAC 类方法在全身跟踪任务中性能下降的问题，提出了一种在训练效率和性能之间取得平衡的方案。这可能推动人形机器人策略学习向更高效的方向发展，但实际应用仍需验证。
LooperMuscle 缩短了人形机器人策略训练时间，可能降低研发成本，加速机器人产品的迭代。但当前仅为研究阶段，商业价值尚需验证。
未来可关注 LooperMuscle 代码开源后的复现结果，以及该方法在其他机器人任务上的泛化能力。