ImChong · ImChong · Jul 2, 2026 · Jul 2, 2026
diff --git a/_data/papers.json b/_data/papers.json
@@ -1918,6 +1918,18 @@
         "zhname": "CHILD：全身人形遥操作系统",
         "zh_title": "CHILD：全身人形遥操作系统"
       },
+      {
+        "title": "CLONE: Closed-Loop Whole-Body Humanoid Teleoperation for Long-Horizon Tasks",
+        "path": "papers/07_Teleoperation/CLONE__Closed-Loop_Whole-Body_Humanoid_Teleoperation_for_Long-Horizon_Tasks/CLONE__Closed-Loop_Whole-Body_Humanoid_Teleoperation_for_Long-Horizon_Tasks.md",
+        "url": "/papers/07_Teleoperation/CLONE__Closed-Loop_Whole-Body_Humanoid_Teleoperation_for_Long-Horizon_Tasks/CLONE__Closed-Loop_Whole-Body_Humanoid_Teleoperation_for_Long-Horizon_Tasks.html",
+        "dir": "CLONE__Closed-Loop_Whole-Body_Humanoid_Teleoperation_for_Long-Horizon_Tasks",
+        "arxiv": "2506.08931",
+        "has_open_source": true,
+        "published_date_zh": "2025年6月10日（arXiv）",
+        "published_date_en": "Jun 10, 2025 (arXiv)",
+        "zhname": "CLONE：面向长时序任务的闭环全身人形遥操作",
+        "zh_title": "CLONE：面向长时序任务的闭环全身人形遥操作"
+      },
       {
         "title": "Heavy lifting tasks via haptic teleoperation of a wheeled humanoid",
         "path": "papers/07_Teleoperation/Heavy_Lifting_Tasks_via_Haptic_Teleoperation_of_a_Wheeled_Humanoid/Heavy_Lifting_Tasks_via_Haptic_Teleoperation_of_a_Wheeled_Humanoid.md",

diff --git a/.../CLONE__Closed-Loop_Whole-Body_Humanoid_Teleoperation_for_Long-Horizon_Tasks.md b/.../CLONE__Closed-Loop_Whole-Body_Humanoid_Teleoperation_for_Long-Horizon_Tasks.md
@@ -0,0 +1,191 @@
+---
+layout: paper
+paper_order: 12
+title: "CLONE: Closed-Loop Whole-Body Humanoid Teleoperation for Long-Horizon Tasks"
+zhname: "CLONE：面向长时序任务的闭环全身人形遥操作"
+category: "Teleoperation"
+---
+
+# CLONE: Closed-Loop Whole-Body Humanoid Teleoperation for Long-Horizon Tasks
+**只用 MR 头显的头 + 双手三点信号，靠 MoE 策略做全身协调、靠 LiDAR 闭环校正抑制漂移，实现分钟级长时序全身遥操作**
+
+> 📅 阅读日期: 2026-07-02
+>
+> 🏷️ 板块: Teleoperation · 全身控制 · MoE · 闭环校正
+>
+> 🔁 推进轨: 模块轮转（06_Manipulation → **07_Teleoperation**）
+
+---
+
+## 📋 基本信息
+
+| 项目 | 链接 |
+|---|---|
+| arXiv | [2506.08931](https://arxiv.org/abs/2506.08931) |
+| HTML | [在线阅读](https://arxiv.org/html/2506.08931v1) |
+| PDF | [下载](https://arxiv.org/pdf/2506.08931) |
+| **发布时间** | 2025-06-10 (arXiv) |
+| 项目主页 | [humanoid-clone.github.io](https://humanoid-clone.github.io/) |
+| 源码 | [humanoid-clone/CLONE](https://github.com/humanoid-clone/CLONE) |
+
+**机构**：北京通用人工智能研究院（BIGAI）· 北京大学 · 北京理工大学
+
+**作者**：Yixuan Li, Yutang Lin, Jieming Cui, Tengyu Liu, Wei Liang, Yixin Zhu, Siyuan Huang
+
+**机器人**：Unitree G1 · 输入仅为 MR 头显（Apple Vision Pro / VisionProTeleop）的头部 + 双手位姿
+
+---
+
+## 🎯 一句话总结
+
+CLONE 抓住当前人形遥操作的两个通病——**上下半身解耦**（为了稳但牺牲了自然协调）和**开环无位置反馈**（累积漂移，走远就飘）——提出一个 **MoE（专家混合）全身策略 + LiDAR 闭环误差校正** 的系统：操作者只戴一个 MR 头显、只提供**头和两只手三个点**的追踪信号，机器人就能做出协调的全身动作，并在长距离、长时序轨迹上把**全局位置漂移压到极低**。
+
+---
+
+## 📌 英文缩写速查
+
+| 缩写 | 全称 | 解释 |
+|---|---|---|
+| MoE | Mixture-of-Experts | 专家混合，用门控网络组合多个子策略 |
+| MR | Mixed Reality | 混合现实头显（这里作动捕输入） |
+| WBC | Whole-Body Control | 全身控制 |
+| IK | Inverse Kinematics | 逆运动学（从三点还原全身姿态） |
+| LiDAR Odometry | - | 激光雷达里程计，估计机器人全局位姿 |
+
+---
+
+## ❓ 论文要解决什么问题？
+
+人形遥操作是采集"人-场景交互"数据、演示复杂任务的关键手段，但现有系统有两条硬伤：
+
+1. **上下半身解耦**：为了不摔倒，很多系统把上肢跟踪和下肢平衡分开控制，导致全身动作不协调、无法做需要腰腿配合的动作。
+2. **开环、无实时位置反馈**：策略只跟踪局部姿态，不闭合机器人**全局位置**，误差随时间累积，机器人在长距离行走后会明显"飘走"。
+
+核心挑战因此归结为一句话：**如何在长时间尺度上，既保持全身协调，又保持精确的全局定位。**
+
+CLONE 的答案：用 **MoE 把多种全身运动技能协调成一个策略**（解决协调），再用 **LiDAR 里程计做闭环误差校正**（解决漂移），且输入极简——只需 MR 头显的三点信号。
+
+---
+
+## 🔧 方法拆解
+
+### 1. 极简输入 → 全身参考
+- 操作者只戴 MR 头显，系统读取**头 + 左右手**三个 6D 位姿。
+- 通过 IK / 重定向把这三点扩展成机器人可执行的**全身参考姿态**，无需全身动捕套装。
+
+### 2. MoE 全身策略（解决"协调"）
+- 用**专家混合**结构学习并组合多种运动技能（行走、转身、蹲伸、上肢操作等）。
+- 门控网络按当前状态与目标动态加权各专家，产出**统一的全身动作**，避免上下半身割裂。
+
+### 3. 闭环误差校正（解决"漂移"）
+- 机器人携带 LiDAR，用 **LiDAR 里程计（FAST-LIO 类）** 实时估计**全局位姿**。
+- 把"当前全局位姿 vs 期望轨迹"的误差**闭环反馈**进策略，持续纠偏，使长距离轨迹漂移最小化。
+
+### 4. 训练与部署
+- 仿真中大规模 RL 训练 MoE 策略，再 sim-to-real 迁移到 **Unitree G1**。
+- 部署时 MR 头显做输入、LiDAR 做全局定位，形成完整的"感知—策略—执行—校正"闭环。
+
+---
+
+## 🧭 整体流程（mermaid）
+
+<div class="mermaid">
+flowchart TB
+    subgraph OP["🧑 操作者侧 (MR 头显)"]
+        HEAD["🥽 头部位姿"]
+        HANDS["✋ 双手位姿"]
+        IK["🔧 IK / 重定向<br/>三点 → 全身参考"]
+    end
+
+    subgraph POLICY["🧠 CLONE MoE 策略"]
+        GATE["🚦 门控网络"]
+        E1["专家1: 行走"]
+        E2["专家2: 上肢操作"]
+        E3["专家3: 蹲伸/转身"]
+        ACT["🎯 全身动作 (PD 目标)"]
+    end
+
+    subgraph ROBOT["🤖 Unitree G1"]
+        PD["🦾 全身 PD 执行"]
+        PROP["📡 本体感知"]
+    end
+
+    subgraph LOOP["🔁 LiDAR 闭环校正"]
+        LIDAR["📡 LiDAR 里程计"]
+        GPOSE["📍 全局位姿估计"]
+        ERR["📏 全局误差 → 反馈"]
+    end
+
+    HEAD --> IK
+    HANDS --> IK
+    IK --> GATE
+    GATE --> E1 & E2 & E3
+    E1 & E2 & E3 --> ACT
+    PROP --> GATE
+    ERR --> GATE
+    ACT --> PD
+    PD --> PROP
+    PD --> LIDAR
+    LIDAR --> GPOSE
+    GPOSE --> ERR
+
+    style OP fill:#fff7e0,stroke:#d4a017
+    style POLICY fill:#f3e8ff,stroke:#8e44ad
+    style ROBOT fill:#e8f8e8,stroke:#27ae60
+    style LOOP fill:#fde8e8,stroke:#c0392b
+</div>
+
+---
+
+## 💡 核心贡献
+
+1. **闭环全身遥操作系统**：首次把 MoE 全身协调与 LiDAR 全局位姿闭环校正结合，同时解决"协调"与"漂移"两大痛点。
+2. **极简输入**：仅用 MR 头显的头 + 双手三点信号驱动全身，硬件门槛低、佩戴轻便。
+3. **长时序高保真**：在长距离轨迹上维持极低的位置漂移，把遥操作从"短演示"推向"长时序任务执行"。
+4. **真机验证 + 开源**：在 Unitree G1 上完成 sim-to-real 部署，代码与项目主页公开。
+
+---
+
+## 📊 关键发现
+
+| 维度 | 结论 |
+|---|---|
+| 全局漂移 | 闭环 LiDAR 校正下，长距离轨迹位置漂移显著低于开环基线 |
+| 全身协调 | MoE 相比解耦控制能做出更自然、需要腰腿配合的全身动作 |
+| 输入成本 | 仅三点（头 + 双手）即可驱动全身，无需全身动捕 |
+| Sim-to-Real | Unitree G1 真机部署可用 |
+
+> ⚠️ 上表为结构性总结，具体数值请以论文正式版与仓库 README 为准。
+
+---
+
+## 🤖 对人形机器人领域的意义
+
+| 方向 | 含义 |
+|---|---|
+| **闭环全局观测范式** | 把"全局位姿 + 里程计校正"作为遥操作标配，而非可选项 |
+| **MoE 做全身协调** | 用专家混合统一多技能，缓解上下半身解耦带来的僵硬 |
+| **低门槛数据采集** | 三点输入 + 消费级 MR 头显，利于规模化收集人-场景交互数据 |
+
+---
+
+## 🎤 面试参考
+
+**Q：CLONE 与 CLOT 都强调"闭环"，区别在哪？**
+A：两者都针对"全局漂移"。CLOT 侧重在底层运动跟踪里闭环全局位姿、并用解耦随机化稳住训练；CLONE 更偏**系统层**——用 MoE 做全身技能协调，用 LiDAR 里程计做全局闭环校正，且强调**极简三点输入**和长时序任务执行。
+
+**Q：为什么上下半身解耦不好，MoE 怎么解决？**
+A：解耦控制虽稳，但无法做需要全身配合的动作（如弯腰取物同时保持平衡）。MoE 用门控网络在同一策略里动态组合行走、上肢操作、蹲伸等专家，输出统一的全身动作，从而恢复协调性。
+
+**Q：为什么要用 LiDAR 而不是仅靠本体感知闭环？**
+A：本体感知只能估计相对/局部状态，长距离会累积漂移；LiDAR 里程计提供**绝对全局位姿**，把全局误差反馈进策略才能真正抑制"越走越飘"。
+
+---
+
+## 🔗 相关阅读
+
+- [CLOT (2602.15060)](https://arxiv.org/abs/2602.15060)：底层运动跟踪层的全局位姿闭环
+- [OmniH2O (2406.08858)](https://arxiv.org/abs/2406.08858)：H2H 通用全身遥操作
+- [H2O (2403.04436)](https://arxiv.org/abs/2403.04436)：Human-to-Humanoid 实时全身遥操作开山
+- [HumanPlus (2406.10454)](https://arxiv.org/abs/2406.10454)：影子跟随（shadowing）路线
+- [Open-TeleVision (2407.01512)](https://arxiv.org/abs/2407.01512)：沉浸式主动视觉反馈遥操作
diff --git a/papers/PROGRESS.md b/papers/PROGRESS.md
@@ -443,7 +443,7 @@
 | 337  | [Whole-Body Bilateral Teleoperation with Multi-Stage Object Parameter Estimation for Wheeled Humanoid Locomanipulation](https://arxiv.org/abs/2508.09846)      | 2025.08 |     | ⏳ 待读 |
 | 338  | [CHILD: a Whole-Body Humanoid Teleoperation System](https://arxiv.org/abs/2508.00162)                                                                          | 2025.08 |     | ⏳ 待读 |
 | 339  | CHILD: Controller for Humanoid Imitation and Live Demonstration a Whole-Body Humanoid Teleoperation System                                                     | 2025.08 |     | ⏳ 待读 |
-| 340  | [CLONE: Closed-Loop Whole-Body Humanoid Teleoperation for Long-Horizon Tasks](https://arxiv.org/abs/2506.08931)                                                | 2025.06 |     | ⏳ 待读 |
+| 340  | [CLONE: Closed-Loop Whole-Body Humanoid Teleoperation for Long-Horizon Tasks](https://arxiv.org/abs/2506.08931) ✅ [笔记](07_Teleoperation/CLONE__Closed-Loop_Whole-Body_Humanoid_Teleoperation_for_Long-Horizon_Tasks/CLONE__Closed-Loop_Whole-Body_Humanoid_Teleoperation_for_Long-Horizon_Tasks.md) | 2026-07-02 |     | ✅ 已总结 |
 | 341  | [Heavy lifting tasks via haptic teleoperation of a wheeled humanoid](https://arxiv.org/abs/2505.19530)                                                         | 2025.05 |     | ⏳ 待读 |
 | 342  | [TeleOpBench: A Simulator-Centric Benchmark for Dual-Arm Dexterous Teleoperation](https://arxiv.org/abs/2505.12748)                                            | 2025.05 |     | ⏳ 待读 |
 | 343  | [Human-Robot Collaboration for the Remote Control of Mobile Humanoid Robots](https://arxiv.org/abs/2505.05773)                                                 | 2025.05 |     | ⏳ 待读 |