人形机器人全能运动新突破：HUGWBC实现多模态步态精细调控与实时操控（上交&上海AI lab）

文章主旨：

提出了一种统一且通用的人形机器人全身控制器（HUGWBC），通过扩展指令空间和干预训练实现细粒度的步态控制，并支持外部上半身干预，为复杂运动操作任务提供基础。

关键要点：

• 当前人形机器人系统缺乏多样化运动能力及实时控制的上半身干预功能。
• HUGWBC设计了一种扩展指令空间，用于细粒度控制步态和姿态，并加入干预训练以增强适应性。
• 采用对称性损失和强化学习技术，提升步态稳定性、跟踪精度和鲁棒性。
• 实验验证了HUGWBC在仿真和现实场景中的卓越表现，并分析了指令组合对步态控制的影响。
• 未来工作可以基于HUGWBC开发更复杂的任务规划器和应用场景。

内容结构：

1. 解决的问题：

当前人形机器人行走系统被动单一，难以实现多样化运动（如跳跃、奔跑），步态参数调整能力有限，且缺乏实时上半身干预适应复杂任务的能力。

2. 提出的方案：

设计HUGWBC统一全身控制策略，可调节步态参数和姿态参数；支持步态的细粒度控制和外部上半身遥操作，满足运动与操作一体化需求。

3. 应用技术：

• 通用指令空间设计：灵活扩展步态调整。
• 对称性损失：增强步态稳定性。
• 干预训练：模拟实际干预增强机器人鲁棒性。
• 强化学习优化：减少现实训练成本。

4. 实验结果：

HUGWBC在多种步态下均表现出高稳定性和跟踪精度，尤其在外部干预条件下展现出强鲁棒性。同时，该策略在现实机器人上也能有效运行，误差控制在合理范围内。

5. 局限性与未来方向：

HUGWBC当前主要适用于基础控制任务，未来可扩展为复杂任务的高级规划器或应用于更多人形机器人。

文章总结：

HUGWBC为人形机器人运动控制提供了新的技术路径，其在仿真和现实中的成功验证展示了广泛的应用前景，建议未来进一步探索其在复杂任务中的潜力。

苹果造车失败，这些百亿级项目立项要做的第一件事是……

了解更多

AI生成未来

查看原文：人形机器人全能运动新突破：HUGWBC实现多模态步态精细调控与实时操控（上交&上海AI lab）

文章来源：

AI生成未来

扫码关注公众号