從扭秧歌到單腳跳，HugWBC讓人形機器人天賦覺醒了

通用人形機器人控制器HugWBC。

原標題：從扭秧歌到單腳跳，HugWBC讓人形機器人天賦覺醒了
文章來源：機器之心
內容字數：5081字

上海交大與上海AI Lab研發出通用人形機器人控制器HugWBC

本文介紹了上海交通大學和上海人工智能實驗室聯合研發的通用人形機器人控制器HugWBC，該控制器賦予人形機器人多種步態及精細化控制能力，使其能夠完成跑跳、拳擊、搬箱等復雜動作。

1. HugWBC的核心功能與創新

   不同于以往僅跟蹤速度指令或關鍵點的控制器，HugWBC 創新性地引入了擴展指令空間，包含任務指令（速度）和行為指令（姿態、腳步、步態）。這種設計允許對機器人進行細粒度控制，充分發揮其硬件潛能。HugWBC默認控制全身，同時支持上肢外部控制器介入，以實現遙操作和精細控制，并支持后續的移動操作任務。

2. 技術方案與設計

   HugWBC結合了控制理論和強化學習。其擴展指令空間包含：1）任務指令（速度）；2）行為指令（步頻、最大擺動高度、機器人高度、前傾角、腰部轉動角、雙腳相位變量、相位差、占空比）。通過組合這些指令，可以產生豐富多樣的步態。為了引導機器人學習細粒度步態，研究者提出了接觸-擺動獎勵和足端擺動獎勵，并引入鏡像函數和損失函數來鼓勵對稱自然的。

3. 魯棒性課程訓練與上身介入

   HugWBC旨在成為基礎人形控制器，因此需要支持上半身外部控制介入。研究者通過設計上肢噪聲課程，使機器人學習應對上肢介入，提高魯棒性。整個訓練框架使用非對稱強化學習算法在模擬環境中進行訓練，最終實現真實場景部署。

4. 實驗結果與評估

   實驗結果表明，HugWBC在四種步態（行走、站立、雙腳跳躍、單腳跳躍）下的指令跟蹤誤差較小，且在不同介入訓練方法中表現最佳。在站立狀態下，HugWBC的足端移動距離最小，表明其能夠支持精細的操作任務。干擾測試也顯示，HugWBC的魯棒性顯著優于基線方法。指令組合分析的熱力圖矩陣顯示了不同指令間的相互影響，揭示了控制器在不同速度和指令組合下的性能。

5. 總結

   HugWBC控制器在人形機器人控制方面取得了顯著進展，實現了多種步態的靈活切換和精細化控制，為人形機器人的應用提供了堅實的基礎。其擴展指令空間、強化學習訓練方法以及魯棒性設計，為未來人形機器人研究提供了重要的參考價值。

聯系作者

文章來源：機器之心
作者微信：
作者簡介：專業的人工智能媒體和產業服務平臺