A Unified and General Humanoid Whole-Body Controller for Versatile Locomotion

📄 arXiv: 2502.03206v3 📥 PDF

作者: Yufei Xue, Wentao Dong, Minghuan Liu, Weinan Zhang, Jiangmiao Pang

分类: cs.RO, cs.AI

发布日期: 2025-02-05 (更新: 2025-04-12)

备注: Published at RSS 2025. The first two authors contribute equally. Project page: https://hugwbc.github.io/

💡 一句话要点

提出HugWBC：一种通用的人形机器人全身控制器，实现多功能运动

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 人形机器人 全身控制 步态运动 强化学习 运动控制

📋 核心要点

  1. 现有的人形机器人运动控制方法通常将运动限制为单一、难以扩展和约束不足的模式，无法充分发挥机器人的运动潜力。
  2. HugWBC通过设计通用的指令空间和结合对称损失、干预训练等技术，学习全身控制策略，从而实现多样化的运动控制。
  3. 实验结果表明，HugWBC在各种运动指令下都表现出高跟踪精度和鲁棒性，并支持上身干预下的移动操作。

📝 摘要（中文）

步态运动是人形机器人的一项基本技能。然而，现有的大多数工作将步态运动视为单一、繁琐、不可扩展且无约束的运动，这限制了人形机器人的运动学能力。与此相反，人类拥有多种运动能力，如跑步、跳跃、单脚跳，以及精细地调整步态参数，如频率和抬脚高度。本文研究了如何将这种多功能性引入人形机器人的步态运动中，并提出了HugWBC：一种统一且通用的人形机器人全身控制器，用于实现多功能运动。通过在任务和行为方面设计一个通用的指令空间，以及对称损失和干预训练等先进技术，用于在仿真中学习人形机器人全身控制策略，HugWBC使真实世界的人形机器人能够产生各种自然的步态，包括行走、跳跃、站立和单脚跳，并具有可定制的参数，如频率、抬脚高度，以及不同的身体高度、腰部旋转和身体俯仰。除了步态运动，HugWBC还支持来自外部上身控制器的实时干预，如远程操作，从而能够在任何步态行为下精确地进行移动操作。大量的实验验证了HugWBC在所有指令下，无论有无上身干预，都具有很高的跟踪精度和鲁棒性，我们进一步深入分析了各种指令如何影响人形机器人的运动，并提供了对这些指令之间关系的见解。据我们所知，HugWBC是第一个支持如此多功能步态行为，并具有高鲁棒性和灵活性的全身控制器。

🔬 方法详解

问题定义：现有的人形机器人运动控制方法缺乏通用性和灵活性，难以实现多样化的运动模式，例如跑步、跳跃等，并且难以与上身操作进行协调。这些方法通常是针对特定运动设计的，难以扩展到其他运动或适应不同的环境。

核心思路：HugWBC的核心思路是设计一个通用的指令空间，允许用户指定各种运动参数，例如步频、步高、身体姿态等。通过学习一个全身控制策略，HugWBC能够根据这些指令生成相应的运动轨迹，从而实现多样化的运动控制。此外，HugWBC还支持上身干预，允许用户通过外部控制器实时调整机器人的上身姿态，从而实现移动操作。

技术框架：HugWBC的整体框架包括以下几个主要模块：1) 指令空间设计：定义了一组通用的运动指令，包括步频、步高、身体姿态等。2) 全身控制策略学习：使用强化学习算法训练一个全身控制策略，该策略能够根据指令生成相应的运动轨迹。3) 运动学解算：将运动轨迹转换为关节角度，从而控制机器人的运动。4) 上身干预：允许用户通过外部控制器实时调整机器人的上身姿态。

关键创新：HugWBC的关键创新在于其通用的指令空间和全身控制策略学习方法。传统的运动控制方法通常是针对特定运动设计的，而HugWBC的通用指令空间允许用户指定各种运动参数，从而实现多样化的运动控制。此外，HugWBC使用强化学习算法学习全身控制策略，避免了手动设计控制器的繁琐过程。

关键设计：HugWBC的关键设计包括：1) 对称损失：用于提高控制策略的鲁棒性。2) 干预训练：用于提高控制策略的适应性。3) 奖励函数设计：用于引导机器人学习期望的运动行为。4) 网络结构设计：用于提高控制策略的表达能力。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，HugWBC在各种运动指令下都表现出高跟踪精度和鲁棒性。例如，在行走实验中，HugWBC的步频跟踪误差小于0.1Hz，步高跟踪误差小于0.02m。此外，HugWBC还支持上身干预下的移动操作，允许用户通过外部控制器实时调整机器人的上身姿态，从而实现精确的操作任务。

🎯 应用场景

HugWBC具有广泛的应用前景，例如在搜救、物流、医疗等领域，人形机器人可以利用HugWBC实现复杂环境下的自主导航和操作。此外，HugWBC还可以用于开发各种娱乐应用，例如人形机器人舞蹈、运动等。未来，HugWBC有望成为人形机器人运动控制的标准解决方案。

📄 摘要（原文）

Locomotion is a fundamental skill for humanoid robots. However, most existing works make locomotion a single, tedious, unextendable, and unconstrained movement. This limits the kinematic capabilities of humanoid robots. In contrast, humans possess versatile athletic abilities-running, jumping, hopping, and finely adjusting gait parameters such as frequency and foot height. In this paper, we investigate solutions to bring such versatility into humanoid locomotion and thereby propose HugWBC: a unified and general humanoid whole-body controller for versatile locomotion. By designing a general command space in the aspect of tasks and behaviors, along with advanced techniques like symmetrical loss and intervention training for learning a whole-body humanoid controlling policy in simulation, HugWBC enables real-world humanoid robots to produce various natural gaits, including walking, jumping, standing, and hopping, with customizable parameters such as frequency, foot swing height, further combined with different body height, waist rotation, and body pitch. Beyond locomotion, HugWBC also supports real-time interventions from external upper-body controllers like teleoperation, enabling loco-manipulation with precision under any locomotive behavior. Extensive experiments validate the high tracking accuracy and robustness of HugWBC with/without upper-body intervention for all commands, and we further provide an in-depth analysis of how the various commands affect humanoid movement and offer insights into the relationships between these commands. To our knowledge, HugWBC is the first humanoid whole-body controller that supports such versatile locomotion behaviors with high robustness and flexibility.