HUSKY项目解决了人形机器人在滑板上的全身控制难题。传统方法在非完整约束的滑板上失效，而HUSKY通过物理感知框架，结合了创新的物理模型与学习算法，实现了稳定滑行与转向，为机器人在复杂动态环境中的运动控制提供了新思路。
智能速览
攻克了人形机器人与滑板强耦合动力学的控制难题。
核心创新在于“倾斜-转向”物理耦合模型的建立。
采用AMP学习框架，让机器人掌握自然的类人蹬板技巧。
设计了基于轨迹规划的平滑过渡策略，无缝切换动作。
最终在真实机器人上实现了稳定、连续的滑板转向。
精华内容
让机器人学会滑板，核心在于理解物理。HUSKY项目正是从人与滑板的互动本质出发，构建了一套全新的控制逻辑。
物理核心：倾斜转向
传统简化模型无法让滑板真正转向，因为它们忽略了板面倾斜与桥架转向的耦合关系。HUSKY的关键在于显式建模了这种“lean-to-steer”行为，通过公式 `tan(δ) = tan(λ)sin(θ)` 精确描述了身体倾斜如何通过板面倾斜最终导致转向，这是实现流畅滑板转向的物理基础。
这一模型捕捉了人类滑板者依靠身体倾斜来控制方向的精髓，使机器人能够像人一样自然地转弯。
学习蹬板：AMP框架
在推动阶段，目标是为滑板提供前进动力并保持平衡。研究者们采用了AMP（Adversarial Motion Priors）框架，通过学习人类参考数据，让机器人掌握了自然且稳健的蹬板动作。
训练结果显示，机器人能够在0.5m/s和1.0m/s等不同速度下稳定地蹬板滑行，动作模式与人类高度相似，展现了优秀的泛化能力。
平滑过渡：轨迹规划
直接从蹬板切换到转向是困难的，因为这涉及到接触模式的离散变化和学习目标的不同。为了解决这一问题，HUSKY设计了一套显式的轨迹规划策略。
它使用贝塞尔曲线规划足端位置的平滑路径，同时采用SLERP（球面线性插值）来平滑身体的姿态过渡。这种方法确保了两个不同动作阶段之间的连贯性，避免了生硬的切换。
稳定转向：最终实现
整合以上技术，HUSKY框架成功实现了人形机器人的稳定滑板控制。在转向阶段，基于物理模型的引导，机器人能够调整身体姿态，精确地向左或右45度的目标航向转向，同时全程维持平衡。
这一系列实验在真实的人形机器人平台完成，最终实现了稳定、连续且表达丰富的类人滑板运动，验证了整个控制框架的有效性。
HUSKY项目不仅展示了人形机器人在复杂动态任务上的潜力，也为机器人全身控制研究提供了宝贵经验。它证明了将物理洞察与强化学习相结合是解决机器人控制难题的有效途径。未来，这类技术能赋予机器人哪些更高级的运动能力？
