王兴兴署名,宇树机器人春晚后又进化:单个策略就能学习极限动作
在春晚的武术表演《武 BOT》中,宇树机器人展示了高动态的全自主集群控制技术。近期,北京通用人工智能研究院(BIGAI)、宇树、上海交通大学和中国科技大学联合提出了新框架 OmniXtreme。这是第一个可以执行各种极限动作的通用策略,包括连续翻转、极限平衡及通过快速接触切换进行的霹雳舞。该研究通过预训练基于流的生成控制策略,并结合驱动感知残差强化学习,成功打破了高动态控制中的泛化壁垒。
01技术原理:两阶段训练法
人形机器人运动控制长期面临“泛化壁垒”困境,即动作库规模增加时,传统统一强化学习策略常遇性能崩溃。OmniXtreme 框架通过解耦动作技能学习与物理驱动微调,分为两个核心阶段解决这一问题。
- 基于流的可扩展预训练
整合 LAFAN1、AMASS 等数据集并重定向至 G1 机器人,利用 PPO 算法训练专家策略。随后采用基于数据集聚合的知识蒸馏技术,将专家策略融合到基于流匹配的生成式策略中。该阶段通过优化目标函数学习速度场,在推理时生成高精度连续控制动作。 - 驱动感知的后训练
冻结预训练基础策略,训练轻量级 MLP 残差策略以对抗真实硬件约束。通过引入激进的域随机化(如提升噪声幅度 50%)、功率安全驱动正则化(针对关节制动负载进行惩罚)以及驱动感知的扭矩与速度约束,确保模型在复杂物理环境下的鲁棒性。
02实验数据与性能对比
研究团队构建了包含约 60 个高难度动作的 XtremeMotion 评估集,并在仿真与现实世界中进行了全方位测试。
| 评估维度 | 传统基线模型表现 | OmniXtreme 表现 |
|---|---|---|
| 动作扩展稳定性 | 成功率从 100% 暴跌至 73.9% | 成功率维持在 93.3% |
| 模型参数规模效应 | 扩大参数量后性能饱和 | 精度随参数量增加呈线性增长 |
| 现实测试成功率 | 未提及具体数据 | 平均成功率 91.08% |
OmniXtreme 与传统基线模型性能对比
在现实世界的宇树 G1 机器人上进行的 157 次物理测试中,OmniXtreme 整体平均成功率达到 91.08%。其中,后空翻类动作成功率为 96.36%,武术类为 93.33%,霹雳舞类为 86.36%。实验证明,该系统推翻了高保真度随多样性增加而崩溃的固有认知。
03工程部署与硬件实现
- 推理优化
整个推理管线(包括状态估计、流匹配基础策略及残差策略)使用 TensorRT 深度优化。 - 硬件指标
在机载 NVIDIA Jetson Orin NX 平台上,实现了约 10ms 的端到端推理延迟,支持 50Hz 的高频闭环控制。 - 消融实验发现
翻腾动作主要依赖电机约束维持稳定;霹雳舞需结合电机约束与激进域随机化;杂技落地动作必须依靠功率安全正则化,防止电机瞬态制动导致过流或欠压失败。
当前文章无评论,是时候发表评论了