北京
人形机器人打球的视频看过不少，动作僵硬得像刚学会走路。问题出在哪？一份白皮书给出了一个反直觉的答案：把"想怎么动"和"怎么动得稳"拆开处理。
这套思路的核心，是把运动规划与运动跟踪解耦。规划器负责决定机器人该做什么动作，跟踪器负责让身体真的执行出来。听起来简单，但白皮书指出，把职业运动员的动作风格和可靠的任务表现结合起来，在人形球类机器人领域至今仍是一个未解决的挑战。
动作数据从哪来
机器人要学球星的动作，第一步是拿到动作数据。白皮书提到，这些数据可以从转播视频和动作捕捉录像中提取，再经过重建、重定向和物理校正，变成人形机器人可以安全跟踪的参考动作。
注意这里的顺序：提取、重建、重定向、物理校正。每一步都在把人类的身体数据"翻译"成机器人能用的形式。转播视频里的动作再漂亮，也不能直接塞给机器人执行。
仿真到真机，误差会叠加
白皮书点出了一个关键问题：从仿真环境迁移到真实硬件时，跟踪误差会不断累积。仿真里跑得好好的动作，到了真机上就开始跑偏。
怎么解决？白皮书的方案是在随机化的执行速度上训练跟踪器，同时在规划器里配一个学习得到的运动速度适配器。两者配合，提升机器人在物理硬件上的鲁棒性。
这个设计思路值得琢磨：不是让跟踪器死记某一个速度下的动作，而是让它在各种速度下都练过。真机上的速度不会和仿真完全一致，练过变速的跟踪器自然更扛得住。
两个平台上的验证
这套自适应框架在两个人形平台上做了验证。其中一个场景值得注意：全尺寸人形机器人在户外完成了服务任务，全程没有使用任何动作捕捉系统。
没有动捕系统意味着什么？意味着机器人不能靠外部设备实时告诉它身体在哪、该怎么动。它得靠自己完成动作的执行和调整。这对跟踪器的鲁棒性要求更高。
白皮书面向的是机器人研究者和控制工程师，内容覆盖了从动作数据提取到真机部署的完整链路。对于正在做人形机器人运动控制的人来说，这套"规划与跟踪解耦"的框架提供了一个可参考的工程路径。
人形机器人要打出球星的风格，难点从来不只是动作好不好看，而是这套动作在真机上能不能稳定复现。白皮书给出的答案很明确：把问题拆开，让规划管风格，让跟踪管稳定，再用速度适配器把两者接起来。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
