如何让人形机器人“行稳致远”？这篇顶级期刊的论文提出了新方法

随着人形机器人行业的快速发展，其在现实生活中的应用也愈发变得可能。如何在适应不同的地面环境的同时，还能保证机器人的行走安全，是一个亟待解决的课题。

日前，优必选科技与代尔夫特理工大学丁加涛博士、香港中文大学（深圳）林天麟教授（兼任深圳市人工智能与机器人研究院智能机器人中心主任）、利兹大学黄艳龙教授合作，联合发表了论文《Safe and Adaptive 3-D Locomotion via Constrained Task-Space Imitation Learning》。该论文针对人形机器人安全步行，通过线性化3D捕获条件并结合任务空间的模仿学习，实现人形机器人在不需要大量示教数据的情况下，快速获得稳定、安全的行走步态。

该论文于2023年1月被《IEEE/ASME机电一体化汇刊》（IEEE/ASME Transactions on Mechatronics，简称“TMECH”）收录，该期刊由美国电子电气工程师协会(IEEE)和美国机械工程师协会(ASME)共同主办，是机电工程领域的顶级期刊。

摘要概述：

近年来，双足步行控制得到了广泛研究，其中被动安全（即双足快速制动而不会摔倒）是实现人形机器人走向实际应用必须要首先解决的关键问题。本文通过将安全性约束集成到模仿学习框架中，赋予人形机器人安全行走能力并使之具备环境适应性。

与之前基于非线性的、耦合的捕获动力学的方法不同，该论文通过选取适当的极值将 3D 捕获条件线性化，然后将它们整合到最新的受限模仿学习框架中。此外，文中提出了一种启发式规则来定义控制点，从而实现自适应步态的学习。所提出的框架不需要手动生成步行参考轨迹，允许机器人从少量示教轨迹中快速地学习运动技能，并能将学到的技能应用到新的3D 场景中。

与深度强化学习不同，该框架避免了大量迭代优化，也避免了从模拟到真实迁移(sim-to-real transfer)的难题。由于在任务空间进行学习，所得到的步行控制策略可以快速迁移到不同的样机上。

背景简介：

针对人形机器人安全步行，领域内已经从保持平衡和避免障碍等方面进行了研究。最近，被动安全概念引起了广泛关注。该任务不仅要求人形机器人在行走过程中能够保持平衡，还要能在迈出有限步甚至零步后紧急制动，即满足N步或零步捕获约束。

现有的工作大都假设机器人行走过程中保持竖直高度恒定，以此获得N步或零步捕获能力。而在3D步行任务（例如，爬楼梯或穿过不平地形）中，垂直高度的变化是不可避免的。针对此问题，现有一些工