本文摘要：针对机器人动作跟踪训练中的过拟合问题，提出了一种基于多视频随机切换的训练方法。主要内容包括：(1) 设计批量处理流程，通过HybrIK模型提取人体骨骼数据并转换为机器人动作参考；(2) 实现动作重定向算法，解决人体与机器人之间的运动匹配问题；(3) 改进训练系统，支持从多个动作库中随机采样，增强模型鲁棒性。实验表明，该方法能有效减少过拟合，使机器人能流畅执行不同动作序列。关键技术包括多视

本文介绍了一个从人体动作到机器人控制的完整流程，主要包含以下几个关键步骤： 动作数据处理与可视化验证 使用Hybrik输出的24个SMPL关节点数据 进行坐标系转换（相机坐标系→世界坐标系）和归一化处理 通过mjlab的debugline功能验证动作姿态是否正确 上半身动作提取 根据SMPL关节点定义重新组织16个关键点（包括躯干和双臂） 保存处理后的数据为upper_body_data.npz