人形機器人“跑酷”新框架！北大校友主導開發

大數據文摘受權轉載自頭部科技

文丨譚梓馨

今年春晚期間，人形機器人的舞臺協同編排與運動控制技術無疑展現出了巨大飛躍，但如何捕捉人類高動態動作的敏捷性與自適應性，仍是一個開放性難題。

特別是在復雜多變環境下的敏捷跑酷運動，不僅要求底層控制具備魯棒性，還需要類人的動作表現力、長時程技能組合能力，以及基于感知的決策能力。

近日，來自 亞馬遜FAR、加州大學伯克利分校、卡內基梅隆大學和斯坦福大學團隊聯合 提出一種感知驅動的仿人機器人跑酷框架（PHP），該模塊化框架可讓仿人機器人在高難度障礙賽道上，基于視覺自主完成長時程跑酷任務。

研究人員在宇樹G1人形機器人上開展了大量真實環境實驗，驗證了本框架的有效性：機器人可完成翻越高達1.25米（為自身身高的96%）障礙物等高動態跑酷技能，并能在長時程多障礙穿越中，通過閉環控制實時適配障礙物擾動，展現出當前業界頂尖的實時敏捷、自適應全身跑酷效果。

框架背后的創新點

在復雜地形中實現類人運動的敏捷性與適應性，仍是人形機器人領域的核心挑戰，跑酷任務尤其凸顯了幾個關鍵挑戰：

第一，機器人必須完成高動態、多接觸的技能，例如翻越接近或超過自身身高的墻體，或是在極短時間內躍過障礙物。這要求在仿人機器人龐大、高維的動作空間中實現高效控制。

第二，這些技能必須與視覺等外部感知緊密耦合，以適應環境變化，并對突發擾動做出快速響應。

此外，要想從單一動作泛化到復雜障礙賽道的連續穿越，機器人必須將多種高動態技能整合到單一視覺運動策略中，而隨著所需技能的數量與多樣性增加，這一難度會急劇上升。

這個最新框架首先采用運動匹配策略——將其建模為特征空間中的近鄰檢索問題，把重定向后的人類基礎動作單元組合成長時程運動學軌跡，該框架可靈活拼接、平滑切換復雜技能鏈，同時保留人類動態動作的優雅與流暢性。

隨后，針對這些組合動作訓練基于運動追蹤的強化學習專家策略，并結合數據集聚合（DAgger）與強化學習方法，將其蒸餾為單一、僅依賴深度信息的多技能學生策略。

至關重要的是，感知與技能組合的結合實現了自主式、場景感知決策：機器人僅依靠機載深度傳感器與離散二維速度指令，即可自主選擇并執行跨越、攀爬、騰躍、滾下等動作，以應對不同幾何形狀與高度的障礙物。

研究人員表示，這套可擴展方案能夠實現仿真到現實的零樣本遷移，使實體機器人自適應穿越復雜地形。

像人一樣自適應爬墻越障

在此框架的加持下，人形機器人在某些場景的敏捷度大幅提升。

如高墻攀爬性能對比，針對1.25米高墻（為機器人身高的96%），機器人從蹬地時刻算起，僅用3.63秒便登上平臺，速度與人類水平相當。

具備高動態跑酷技能，機器人翻越一個高0.4米、長0.5米的障礙物，從蹬地到再次著地僅用時0.8秒，向前行進距離超過2米（為自身身高的154%），該動作的前向峰值速度可達3.41m/s，平均速度2.53m/s，體現出機器人在接觸切換過程中具備出色的動量保持能力。

從1.25米高臺下落著陸時，機器人還會通過下肢關節屈曲緩沖沖擊并穩定姿態。

本框架的一大核心優勢在于：即便訓練數據僅包含單障礙穿越，策略仍能泛化到復雜的多障礙賽道中。

機器人會將跨步、低墻攀爬、高墻攀爬等多種技能組合，在包含多個障礙的賽道上連續奔跑，驗證了閉環自適應能力。

視覺運動策略可在線生成動作過渡，實現全程流暢的技能切換，策略會自動調整接近方式與動作時機，以響應障礙變化，持續完成穿越任務，這些結果證明了本策略在長時程地形穿越中的強適應性。

還有很大優化空間

研究人員在對比實驗中發現，稠密化運動匹配對于生成連貫的長時程參考軌跡至關重要，并能讓策略學習到豐富多樣的接近條件。

結合強化學習的蒸餾方法，可高效地將單技能、含特權信息的專家策略遷移為多技能、僅依賴深度信息的學生策略。

這項研究的一作吳臻目前是亞馬遜前沿人工智能與機器人部門（FAR）的應用科學家實習生，在北京大學獲得學士學位，斯坦福大學獲得碩士學位，研究方向是人形機器人和角色動畫。

不過，目前該框架仍缺乏語義化場景理解，研究人員表示，引入語言等更豐富的條件信號，能實現對動作多樣性與風格的更精細控制。

此外，現實場景中的機器人性能也受限于感知與硬件：高速運動時，短距、窄視場相機無法提前充分觀測障礙物幾何形狀，導致機器人必須在感知不確定的情況下做出決策。

展望未來，更優的傳感方案與語義場景理解或許能大大降低這種不確定性，并支持更豐富的環境推理和交互。

GPU 訓練特惠！

H100/H200 GPU算力按秒計費，平均節省開支30%以上！

掃碼了解詳情?

點「贊」的人都變好看了哦！