《Biomimetics》：High-Speed Humanoid Running with Trajectory-Optimized Motion Priors and Reinforcement Learning
编辑推荐：
高速人类奔跑数据难以获取，限制了高速人形机器人奔跑运动先验的可用性。为降低对运动捕捉与重定向的依赖，本研究提出一种将轨迹优化与强化学习相结合的框架。一个平面多体模型在接触、周期性与执行器约束下生成跨速度的参考运动。优化后的运动通过对抗性模仿与近端策略优化（pr
高速人类奔跑数据难以获取，限制了高速人形机器人奔跑运动先验的可用性。为降低对运动捕捉与重定向的依赖，本研究提出一种将轨迹优化与强化学习相结合的框架。一个平面多体模型在接触、周期性与执行器约束下生成跨速度的参考运动。优化后的运动通过对抗性模仿与近端策略优化（proximal policy optimization, PPO）引导三维奔跑策略的训练。硬件实验展示了全尺寸BOLT人形机器人在跑步机上以10 m/s奔跑。在10 m/s前进速度指令下的2 s仿真窗口中，与基于重定向人类运动训练的策略相比，结果表明关节负载相对于执行器能力的分布更为均衡。十二个关节的关节均方根（root-mean-square, RMS）利用率变异系数从 降至 ，降幅为 ，六个腿部关节相应降低 。这些结果支持轨迹优化作为高速人形机器人奔跑运动先验的有效来源，并展示了在没有高速人类运动数据的情况下从参考生成到硬件部署的路径。
研究背景方面，高速人类奔跑数据难以获取，这限制了高速人形机器人奔跑所需运动先验的可用性。传统上运动先验依赖运动捕捉与重定向，但高速人类奔跑数据的稀缺使该路线受限，因此需要减少对运动捕捉与重定向的依赖。研究人员开展了将轨迹优化与强化学习相结合的研究，提出一个框架：由平面多体模型在接触、周期性与执行器约束下生成跨速度的参考运动，并以优化后的运动通过对抗性模仿与近端策略优化（proximal policy optimization, PPO）引导三维奔跑策略的训练。研究得出，全尺寸BOLT人形机器人实现了跑步机上10 m/s的奔跑；在10 m/s前进速度指令下的2 s仿真窗口中，与基于重定向人类运动训练的策略相比，关节负载相对于执行器能力的分布更为均衡，十二个关节的关节均方根（root-mean-square, RMS）利用率变异系数从 降至 ，降幅为 ，六个腿部关节相应降低 。这些结果支持轨迹优化作为高速人形机器人奔跑运动先验的有效来源，并展示了在没有高速人类运动数据的情况下从参考生成到硬件部署的路径，具有重要意义。
在关键技术方法方面，研究人员主要采用轨迹优化与强化学习相结合的框架：以平面多体模型在接触、周期性与执行器约束下生成跨速度的参考运动；通过对抗性模仿与近端策略优化（PPO）训练三维奔跑策略；并在全尺寸BOLT人形机器人上开展硬件实验，在跑步机上实现10 m/s奔跑，同时在10 m/s前进速度指令下的2 s仿真窗口中进行对比评估。样本队列来源方面，摘要未提及具体样本队列来源。
研究结果方面，硬件实验表明全尺寸BOLT人形机器人可在跑步机上以10 m/s奔跑，说明所提框架能够将轨迹优化生成的参考运动转化为可部署的三维奔跑策略并落实到硬件。对比评估表明，在10 m/s前进速度指令下的2 s仿真窗口中，与基于重定向人类运动训练的策略相比，所提策略使关节负载相对于执行器能力的分布更为均衡，具体表现为十二个关节的关节均方根（RMS）利用率变异系数从 降至 ，降幅为 ，六个腿部关节相应降低 ，说明轨迹优化提供的运动先验有助于改善关节负载分布。
讨论部分与结论方面，摘要指出高速人类奔跑数据难以获取，限制了高速人形机器人奔跑运动先验的可用性；为降低对运动捕捉与重定向的依赖，本研究提出轨迹优化与强化学习相结合的框架，由平面多体模型在接触、周期性与执行器约束下生成跨速度参考运动，并以对抗性模仿与近端策略优化引导三维奔跑策略训练。研究结论为：这些结果支持轨迹优化作为高速人形机器人奔跑运动先验的有效来源，并展示了在没有高速人类运动数据的情况下从参考生成到硬件部署的路径。
