KLEIYN : A Quadruped Robot with an Active Waist for Both Locomotion and Wall Climbing

📄 arXiv: 2507.06562v2 📥 PDF

作者: Keita Yoneda, Kento Kawaharazuka, Temma Suzuki, Takahiro Hattori, Kei Okada

分类: cs.RO

发布日期: 2025-07-09 (更新: 2025-07-10)

备注: Accepted at IROS2025, website - https://keitayoneda.github.io/kleiyn-chimney-climbing/, YouTube - https://www.youtube.com/watch?v=cLfUhyNFOeY

💡 一句话要点

KLEIYN：一种带主动腰部关节的四足机器人，用于运动和墙壁攀爬

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)

关键词: 四足机器人 主动腰部关节 强化学习 课程学习 墙壁攀爬

📋 核心要点

  1. 现有四足机器人难以在高度变化大的复杂地形中稳定进行垂直运动，缺乏有效的控制方法。
  2. 论文提出一种带腰部关节的四足机器人KLEIYN，并结合接触引导课程学习（CGCL）策略，实现垂直攀爬。
  3. 实验结果表明，KLEIYN能够以150mm/s的速度攀爬800-1000mm宽的墙壁，速度是传统机器人的50倍。

📝 摘要（中文）

近年来，硬件的进步使得四足机器人能够以高功率和高速度运行，同时，使用强化学习（RL）实现的鲁棒运动控制也已成为现实。因此，人们对在未知环境中进行物料运输和勘探等任务的自动化期望越来越高。然而，在具有显著高度变化的崎岖地形中进行自主运动需要垂直运动，而能够稳定地执行此类运动的机器人及其控制方法尚未完全建立。在这项研究中，我们开发了具有腰部关节的四足机器人KLEIYN，旨在通过强化学习实现烟囱攀爬，从而扩展四足运动能力。为了促进垂直运动的学习，我们引入了接触引导课程学习（CGCL）。结果表明，KLEIYN成功地攀爬了宽度为800毫米至1000毫米的墙壁，平均速度为150毫米/秒，比传统机器人快50倍。此外，我们证明了腰部关节的引入提高了攀爬性能，特别是在狭窄墙壁上的跟踪能力。

🔬 方法详解

问题定义：现有四足机器人虽然在平面运动方面取得了显著进展，但在复杂地形下的垂直运动能力仍然不足。特别是在攀爬墙壁等场景中，缺乏能够稳定高效完成任务的机器人和控制方法。现有方法难以兼顾稳定性和速度，并且难以适应不同宽度的墙壁。

核心思路：论文的核心思路是通过引入一个主动腰部关节来提高四足机器人的运动灵活性和适应性。腰部关节可以帮助机器人调整重心，更好地利用接触点，从而实现更稳定和高效的攀爬。此外，结合接触引导课程学习（CGCL）策略，逐步引导机器人学习复杂的攀爬动作。

技术框架：KLEIYN机器人的整体框架包括硬件设计和软件控制两部分。硬件方面，关键在于腰部关节的设计，它允许机器人进行水平方向的旋转。软件方面，采用强化学习算法，结合CGCL策略进行训练。CGCL通过逐步增加训练难度，引导机器人从简单动作到复杂动作的学习。整体流程包括环境感知、动作决策、运动控制和状态反馈等环节。

关键创新：论文的关键创新在于将主动腰部关节与接触引导课程学习相结合。主动腰部关节提高了机器人的运动自由度，使其能够更好地适应不同环境。CGCL策略则有效地解决了强化学习训练中的探索问题，加速了学习过程，提高了学习效率。这种结合使得KLEIYN能够在攀爬任务中表现出色。

关键设计：CGCL策略是关键设计之一，它通过逐步增加墙壁宽度和高度等难度参数，引导机器人学习。强化学习算法采用Actor-Critic结构，Actor网络负责生成动作，Critic网络负责评估状态价值。损失函数包括运动学损失、接触损失和稳定性损失等，用于约束机器人的运动行为。具体参数设置（如学习率、折扣因子等）未知。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

KLEIYN在攀爬宽度为800mm至1000mm的墙壁时，实现了平均150mm/s的攀爬速度，比传统机器人快50倍。实验还证明，腰部关节的引入显著提高了机器人在狭窄墙壁上的跟踪能力，验证了所提出方法的有效性。这些结果表明，KLEIYN在垂直运动方面具有显著优势。

🎯 应用场景

该研究成果可应用于灾难救援、建筑检测、工业维护等领域。四足机器人可以进入人类难以到达的狭窄空间或危险环境，执行搜索、检测和维修等任务。例如，在地震后的废墟中搜寻幸存者，或在化工厂中进行设备巡检。未来，该技术有望进一步提升机器人的自主性和适应性，拓展其应用范围。

📄 摘要（原文）

In recent years, advancements in hardware have enabled quadruped robots to operate with high power and speed, while robust locomotion control using reinforcement learning (RL) has also been realized. As a result, expectations are rising for the automation of tasks such as material transport and exploration in unknown environments. However, autonomous locomotion in rough terrains with significant height variations requires vertical movement, and robots capable of performing such movements stably, along with their control methods, have not yet been fully established. In this study, we developed the quadruped robot KLEIYN, which features a waist joint, and aimed to expand quadruped locomotion by enabling chimney climbing through RL. To facilitate the learning of vertical motion, we introduced Contact-Guided Curriculum Learning (CGCL). As a result, KLEIYN successfully climbed walls ranging from 800 mm to 1000 mm in width at an average speed of 150 mm/s, 50 times faster than conventional robots. Furthermore, we demonstrated that the introduction of a waist joint improves climbing performance, particularly enhancing tracking ability on narrow walls.