机器人终于不用人扶了！上海交大最新运动控制成果发布

前几天央视元宵晚会，撒贝宁扶着宇树机器人颤颤巍巍地登场。不过，以机器人的进化速度，很快这种站都站不稳、走路都不利索的机器人运动状态就要成为过去了。

机器人前瞻2月14日报道，昨天，上海交通大学和上海人工智能实验室的研究人员发布了一个名为“HoST”（Humanoid Stand-up Control）的强化学习框架，可以让人形机器人从零开始学会在各种真实场景、任何地形中用不同姿势快速站立。

HoST框架将多评判强化学习、平滑正则化和隐式速度约束相结合，让机器人学习自适应站立动作，可以在多种虚拟地形上训练并将技能直接应用于现实世界中的机器人，并且通过内置速度限制实现流畅的运动控制，有效减少了机器人在站立过程中出现的震荡情况和剧烈动作，保护硬件。

据项目研究成员TaouHuang介绍，HoST体现出了以下特点：

• 多样化的姿势：团队采用的控制策略可以让机器人在不同的室外和室内环境中产生平稳的站立运动。
• 强鲁棒性：控制策略对外部干扰（如力、有效载荷、柔软的绊倒物体和随机扭矩丢失）表现出了极强的鲁棒性。
• 紧急状态下的站立技能：具有跌倒恢复、动态平衡和站立稳定性等能力。

团队在宇树G1人形机器人身上验证了这一强化学习框架，例如，机器人可以全身躺在地上后快速站起来。

在户外环境中，不管是躺在台阶上、靠着树坐着，还是全身平躺在铺满石子的路上、草坪上，机器人都能一激灵就能扭动膝盖快速站起来。

在沙发、地板、斜坡、软垫等多种不同的室内环境中，从坐着、靠着再切换到躺着等各种姿势，机器人站起来动作依旧非常干脆利落。

机器人在动态平衡能力上也表现出色，从斜坡上站起后还可以一边保持平衡一边移动。

团队还测试了机器人在负重状态下、干扰状态下的站立情况。即便背负6千克的大背包、被测试人员用其他物体进行干扰，机器人站起来也是毫不费力。

HoST框架的提出，有效解决了以往方法中忽略硬件限制、依赖预设轨迹的问题。通过利用从零开始的强化学习，HoST能够学习在各种地形上的姿态自适应站立动作，确保从仿真到现实的有效迁移。团队还提到，该成果为将站立控制集成到现有人形系统中奠定了基础，在现实世界中的适用性还将得到进一步拓展。

论文地址：
https://arxiv.org/abs/2502.08378