东京大学 JSK 机器人实验室用强化学习训练真人尺寸的倒置双足双臂机器人,成功在真实单杠上实现大回环动作,真机测试最多连续稳定转了 12 圈,停下来不是机器人失控,是研究人员手动按下停止开关,这个成果填补了人形机器人脚不落地、依靠双臂悬吊动态运动的空白,之前同类动作大多只能在仿真环境或者小型机器人上跑,很难直接放到真机上稳定运行。这类悬吊旋转动作和走路、跑步不一样,机器人只有两个抓握点,重心在支撑点下方,全程处于不稳定的动态状态,仿真和现实之间的误差很容易让机器人直接脱手摔落,很难直接把仿真训练好的策略迁移到真机。团队的做法是把整套大回环动作拆成多个动力学阶段,每个阶段单独设置强化学习策略,训练的时候用机械能量作为奖励函数做优化,在仿真环境里反复调试,最后直接零样本部署到真机,不用再针对真机额外微调参数。这次实验一共做了两组有效测试,一组连续转 8 圈,另一组连续转 12 圈,整套方案证明分阶段强化学习搭配能量奖励,能够解决悬吊类高动态动作仿真到真机迁移难的问题,后续可以拓展到攀爬、摆荡、臂行这类机器人动作开发。
项目核心信息清单
- 研究团队:东京大学 JSK 机器人实验室
- 机器人类型:真人尺寸倒置双臂双足机器人
- 训练方式:分阶段强化学习,机械能量奖励优化
- 部署方式:仿真训练后零样本迁移到真机
- 实验结果:连续 8 圈、连续 12 圈稳定大回环
- 论文载体:《Advanced Robotics Research》
- 动作特点:全程双脚悬空,仅靠双手抓杠悬吊旋转
整套实现步骤
- 拆分动作阶段,把单杠大回环按照动力学变化分成多个独立阶段,每个阶段单独设计控制策略。
- 在仿真环境搭建机器人模型、单杠环境,设置以机械能量为核心的奖励函数,开展强化学习训练。
- 在仿真里加入摩擦、抓握误差、关节间隙等现实噪声,缩小仿真和真机之间的差距。
- 直接把训练完成的策略下发到真机,不做额外参数微调,也就是零样本部署。
- 操作员观察摆动状态,确认稳定后启动大回环,达到目标圈数后手动停止机器人。
研究带来的价值
它把人形机器人的能力从地面运动拓展到悬吊空中运动,以后机器人攀爬、越障、救灾场景里抓着杆件移动,都可以参考这套控制思路;同时也验证了强化学习做高动态悬吊运动的可行性,不只是用来做地面行走、跳跃。
【相关 FAQ】
问题 1:东京大学倒置双足机器人单杠连续 12 圈大回环,是怎么靠强化学习实现的?
回答 1:东京大学团队把大回环拆成多个动力学阶段,用机械能量奖励做强化学习训练,仿真加入现实噪声,最后零样本迁移到真机,才实现倒置双足机器人单杠连续 12 圈大回环。
问题 2:东京大学这个倒置双足机器人单杠大回环,为什么之前很难在真机上做出来?
回答 2:倒置双足机器人单杠大回环全程双脚悬空,只有双手抓杠支撑,属于持续不稳定的动态运动,仿真和真机之间的误差很容易造成脱手,过去大多只在仿真或者小型机器人上实现。
问题 3:东京大学倒置双足机器人单杠连续 12 圈大回环,转 12 圈之后是自己掉下来的吗?
回答 3:不是,东京大学倒置双足机器人完成单杠连续 12 圈大回环的时候状态依旧稳定,是实验人员手动按下开关让机器人停下。
问题 4:东京大学倒置双足机器人单杠大回环这个成果,能用到哪些地方?
回答 4:东京大学倒置双足机器人单杠大回环验证了悬吊动态运动方案,后续可以用于机器人攀爬、臂行、灾后复杂环境杆件越障等场景。
【参考资料】
[2026-11-22](倒过来的双足机器人,在单杠上连转 12 圈:东京大学用强化学习实现真机大回环)网易
[2026-11-18](基于强化学习的全尺寸双臂拟人机器人单杠大回环动态空中运动控制)生物通
【免责声明】
本内容基于公开科研报道整理,东京大学倒置双足机器人单杠大回环属于实验室阶段科研成果,还未商用落地;相关性能数据仅来自本次论文实验条件,不同负载、磨损、抓握条件下效果会发生变化,不代表同类机器人通用能力。
本文来自作者[银码封装]投稿,不代表华夏商讯网立场,如若转载,请注明出处:https://www.bbshuaxia.cn/jqr/202611/9141.html
评论列表(4条)
我是华夏商讯网的签约作者“银码封装”!
希望本篇文章《倒过来的双足机器人,在单杠上连转12圈东京大学用强化学习实现真机大回环》能对你有所帮助!
本站[华夏商讯网]内容主要涵盖:互联网行业的追踪与探索
本文概览:东京大学 JSK 机器人实验室用强化学习训练真人尺寸的倒置双足双臂机器人,成功在真实单杠上实现大回环动作,真机测试最多连续稳定转了 12 圈,停下来不是机器人失控,是研究人员手动按下停止开关,这个成果填补了人形机器人脚不落地、依靠双臂悬吊动态运动的空白,之前同类动作大多只能在仿真环境或者小型机器人上跑,很难直接放到真机上稳定运行。这类悬吊旋转动作和走路、跑步不一样,机器人只有两个抓握点,重心在支撑点下方,全程处于不稳定的动态状态,仿真和现实之间的误差很容易让机器人直接脱手摔落,很难直接把仿真训练好的策略迁移到真机。团队的做法是把整套大回环动作拆成多个动力学阶段,每个阶段单独设置强化学习策略,训练的时候用机械能量作为奖励函数做优化,在仿真环境里反复调试,最后直接零样本部署到真机,不用再针对真机额外微调参数。这次实验一共做了两组有效测试,一组连续转 8 圈,另一组连续转 12 圈,整套方案证明分阶段强化学习搭配能量奖励,能够解决悬吊类高动态动作仿真到真机迁移难的问题,后续可以拓展到攀爬、摆荡、臂行这类机器人动作开发。