[论文]人形机器人滑滑板--中国电信人工智能研究院。。。

人形机器人稳稳地站在滑板上滑行，这一科幻场景已成为现实。一项研究通过创新的物理感知全身控制框架，解决了机器人滑板的核心难题，特别是模拟了人类“倾斜转向”的精髓，让机器人的滑行动作既稳定又流畅，展现了仿人机器人运动控制的新突破。

智能速览

• 核心创新在于模拟了人类“身体倾斜-滑板倾斜-桥架转向”的联动机制。

• 学习过程分为推动和转向两个阶段，分别训练不同技能。

• 采用贝塞尔曲线和球面线性插值实现动作间的平滑过渡。

• 该框架让人形机器人能够实现稳定、连续且拟人化的滑板运动。

• 训练基于MuJoCo和IsaacLab等物理仿真环境进行。

精华内容

让机器人学会滑滑板，远不止是编程那么简单。其核心挑战在于如何精确控制全身，以维持动态平衡并完成转向。下面将深入剖析其背后的关键技术。

倾斜转向核心

传统简化模型无法让滑板真正转向，因为它们忽略了滑板倾斜与桥架转向的耦合关系。该研究的关键突破点，就是从真实滑板运动中提炼出“lean-to-steer”物理约束。简单来说，就是通过控制机器人身体的前倾或侧倾，带动滑板倾斜，进而通过桥架结构改变前轮方向，实现流畅的转弯。这个机制的引入，是机器人能像人一样滑行的基础。

分阶段学习

为降低学习难度，研究者采用了分阶段的训练策略。在推动阶段，目标主要是让机器人用脚蹬地，加速到指定速度，并在此过程中利用AMP框架模仿人类自然的蹬地姿态，确保动作的稳定性和真实性。

而在转向阶段，任务则转变为在维持平衡的同时，精确控制滑板朝向预设目标。这种分解任务的方式，有效提升了学习效率。

动作平滑过渡

从推动到转向，机器人的接触模式和运动目标会发生突变，直接切换极易导致失控。为此，研究团队设计了一套基于轨迹规划的过渡策略。

他们使用贝塞尔曲线来规划机器人脚部的移动路径，并用球面线性插值（Slerp）来平滑调整身体姿态。这种组合确保了两个不同阶段的动作能够无缝衔接，呈现出连贯、拟人的整体滑行动作。

仿真训练成果

整个训练过程在MuJoCo和IsaacLab等高精度物理仿真环境中完成。最终训练出的控制策略，不仅能让机器人在平直路面上稳定滑行，还能完成左转、右转以及两种状态的灵活切换。

实验视频显示，机器人的滑板姿态、身体摆动都表现出高度的协调性和流畅性，证明了该控制框架的有效性和优越性。

这项研究不仅是一次炫酷的技术展示，更为人形机器人在复杂非结构化环境中的运动控制提供了新思路。随着技术的成熟，未来机器人或许能驾驭更多交通工具。下一个挑战会是什么？或许是翻越障碍，或是与其他机器人协作滑行？

关键评论

• 有网友指出，当前系统的泛化能力可能不足，换个滑板或路况可能就失效了。

• 一个评论建议可以增加坡道和障碍物，来测试机器人在极端情况下的稳定性。

• 也有人从实际角度出发，观察到机器人可能因打滑而影响平衡，建议为其穿上鞋子以增加摩擦力。

• 大众更关心其实际应用，评论中不乏“什么时候能干活、扫地”的呼声。