“Retarget（重定向/重映射）操作”指把一种“源主体”的运动/演示/控制信号，转换成另一种“目标主体”能够执行的动作序列的过程。它广泛用于：
- 机器人操控：把人的演示（手套/VR/遥操作）、或某台机器人的轨迹，映射到另一台机器人（不同连杆长度/自由度/夹爪）。
- 动画/动作捕捉：把人体骨架的动捕数据映射到不同骨骼比例的角色。
为什么需要做 retarget
- 源与目标在形态、自由度、关节极限、工作空间、夹爪/手型上都可能不同；直接复用轨迹往往不可达或不稳定。
- Retarget 的目标是“保留任务要点（关键点位姿/接触/时序/风格）”，同时满足目标系统的几何与动力学约束。
常见的 retarget 管道（以机器人为例）
- 定义“要保持”的任务空间目标
- 选择关键点/末端执行器/指尖等作为约束对象，通常是位置 + 朝向、夹爪开度/接触状态等。
- 可加“风格/姿态”偏好（如肘部朝下、与源姿态相似）。
- 对齐坐标与尺度
- 统一世界系/基座系，标定手眼；做尺度归一（动画常见：骨骼长度缩放；机器人常省略）。
- 求解目标关节（IK/优化）
- 典型做法是约束优化： min_q Σ_i w_i || f_t^i(q) − M(x_s^i) ||^2 + λ||q − q_ref||^2 s.t. 关节/速度/加速度/自碰/障碍约束 其中 f_t 是目标机器人的正运动学，x_s^i 为源端关键点轨迹，M 是从源到目标的坐标映射。
- 自由度不足时，先把姿态/位姿投影到目标可达子空间（例如只保留位置 + 偏航，固定俯仰/滚转），再解 IK。
- 冗余度过多时，用零空间优化保持“风格”或避障。
- 时间轴处理
- 需要时做时间重定形（time warping）：对齐事件时刻（接触/抓取/释放），匹配目标系统的速度与时延约束。
- 安全与平滑
- 速度/加加速度限幅、阻抗跟随、轨迹平滑/再采样，确保可执行且稳定。
两类常见 retarget 形态
- 运动学 retarget（最常见）：只关心几何/接触约束与关节极限；用于大多数示范到机器人、机器人到机器人的映射。
- 动力学 retarget：同时满足力学可行（方程、摩擦锥、接触切换）；用于跳跃、抛接、强接触等任务。
具体例子
- 人手/VR → 夹爪机器人
- 提取拇指 - 食指的相对位姿与张开幅度，映射为“末端 6D 位姿 + 夹爪开度”，目标臂用 IK 跟踪，加入“末端姿态优先、肘部下垂”零空间目标。
- Panda 7-DoF → UR5 6-DoF
- 源端末端轨迹直接作为任务空间目标；若某些姿态在 UR5 不可达，投影到“位置 + 偏航”，同时最小化与原姿态的测地距离；用最近解策略避免解跳。
- 多指手 → 两指夹爪
- 从源手的多接触点中选两条主要对捏接触，拟合夹爪轴与开度，保留接触时机；其余手指动作作为风格损失或忽略。
学习化的 retarget
- 形态差异很大（人手 → 机械手）、或约束/风格复杂时，可训练一个 R: 特征 _s → 动作 _t 的网络（如条件流/Transformer），以任务成功和几何一致为监督；仍建议保留 IK/约束层兜底。
实践要点
- 先定清楚“任务不变量”：哪些必须匹配（末端位姿/接触/相对位姿/时机），哪些可让步（手肘姿态、路径细节）。
- 把“不可达的问题”前移到投影/约束层解决，不要交给上层策略；对低 DoF 平台，明确姿态子空间。
- 用最近解、平滑器与速度限幅防止解跳；强接触任务加入阻抗/力限与接触检测。
- 标定与时间同步到位，避免“看起来像 retarget 不好”，实则是时延/外参误差。
一句话
- Retarget 操作就是把“源运动/演示”转译成“目标系统能做到且保留任务关键”的动作过程，通常通过坐标对齐、子空间投影、IK/优化与时序重整来实现；在机器人模仿学习里，它是跨人机/跨机型迁移的关键步骤。