上海AI Lab最新算法突破：人形机器人实现复杂环境自主站起
上海AI Lab最新算法突破：人形机器人实现复杂环境自主站起
近日，上海AI Lab研究团队在机器人控制领域取得重大突破，提出了一种名为HoST（Humanoid Standing-up Control）的创新算法。该算法成功实现了人形机器人在多种复杂环境下的自主站起，并展现出强大的抗干扰能力。这一突破不仅解决了机器人从坐姿到站姿转换的难题，更为未来人形机器人在家庭、医疗、救援等场景中的广泛应用奠定了基础。
在负重、强干扰情况下，也能自如起身。
核心技术创新
HoST算法采用强化学习框架，通过多项技术优化，实现了在仿真和真实环境中的出色表现。研究团队设计了多种奖励函数，并将其归类为四种奖励组：任务奖励、风格奖励、约束奖励与后任务奖励。为了平衡各个奖励函数，研究者采用了多评论家技术，对每个奖励函数组分别进行回报估计，并赋予不同权重以优化控制策略。
在探索策略方面，研究团队受婴儿学习动作技能的启发，设计了基于课程的辅助力探索策略。在训练初期，通过额外的向上辅助力帮助机器人更容易站起，随着机器人逐步掌握站起能力，辅助力会逐渐减小至零。此外，研究者还引入了动作缩放系数和平滑约束方法，以克服机器人站起过程中的剧烈动作和行为抖动问题。
实验评估与应用
研究者在仿真环境中设计了四种地形：平地、平台、斜坡和靠墙，以模拟真实世界中的常见环境。同时，采用域随机化技术减小物理仿真与现实中的物理参数差异。实验结果显示，多评论家、辅助力探索、运动约束均对策略学习有着显著的影响。
在真实环境中，HoST算法实现了成功站起，并在室内外多种场景进行了测试，包括木质平台、草地、平台、斜坡、靠树、石子路等。在鲁棒性测试中，即使在负重、外部冲击力、软质地面障碍物以及随机扭矩丢失等复杂外部干扰条件下，HoST依然能够保持稳定站立、从摔倒中迅速恢复，并维持动态平衡。
项目信息
项目主页：https://taohuang13.github.io/humanoid-standingup.github.io/