HUGWBC

HUGWBC – 上海交大联合上海 AI Lab 推出的人形机器人全身控制器

HUGWBC（Humanoid Unified and General Whole-Body Controller）是由上海交通大学与上海AI Lab共同研发的人形机器人全身控制器，旨在提供精确的控制能力。它能够让机器人灵活地执行多种自然步态，如行走、跑步、跳跃、站立和单脚跳，并支持实时的外部上肢控制信号，以完成复杂的任务。HUGWBC使用强化学习技术在模拟环境中进行训练，并通过不对称训练框架（AAC）将控制策略成功迁移至真实机器人。

HUGWBC是什么

HUGWBC（人形统一通用全身控制器）是上海交通大学和上海AI Lab联合开发的一款先进的人形机器人控制系统，专注于实现精细的控制。利用扩展的命令空间和创新的训练技术，HUGWBC能够让机器人自然地进行多种形式，包括行走、跑步、跳跃、站立和单脚跳。同时，它支持实时的外部上肢控制信号，使机器人能够在复杂的任务中表现出色。通过在模拟环境中的强化学习训练，HUGWBC能够有效地将策略迁移到实际的机器人上。

HUGWBC的主要功能

• 多样步态支持：能够控制机器人执行多种步态，包括行走、跑步、跳跃、站立和单脚跳。
• 参数精细调整：允许用户调整步态频率、脚摆高度、身体高度、腰部旋转和身体俯仰角等参数，以满足不同任务的需求。
• 实时外部干预：支持上肢的实时外部控制信号（例如遥控或重定向），使机器人能够在执行任务时进行复杂的操作。
• 高鲁棒性与适应性：HUGWBC能够适应多种地形和外部干扰，确保的稳定性和精确性。

HUGWBC的技术原理

• 扩展命令空间：设计了包含任务命令和行为命令的通用命令空间，以灵活控制机器人的和姿态。
• 强化学习训练：基于强化学习（尤其是PPO算法）在模拟环境中训练控制策略，并通过定义奖励函数来优化机器人的性能。
• 不对称训练框架：采用不对称训练框架（AAC），使批评网络可以访问所有特权信息，而演员网络仅使用真实机器人可用的传感器数据，从而提升策略的泛化能力。
• 对称性损失：引入对称性损失函数，促使策略生成自然且对称的，提高的稳定性和效率。
• 干预训练：在训练过程中引入外部干预信号，以适应上肢的实时控制，同时保持下肢的稳定性和准确性。
• 脚轨迹规划：采用五次多项式轨迹规划方法，确保脚在摆动阶段的平滑，提高的自然性和稳定性。

HUGWBC的项目地址

• 项目官网：https://hugwbc.github.io/
• arXiv技术论文：https://arxiv.org/pdf/2502.03206

HUGWBC的应用场景

• 复杂地形导航：使人形机器人能够在不平坦的地形上灵活行走、跑步和跳跃，适应各种复杂环境，如崎岖山路、废墟或建筑工地，执行搜索和救援任务。
• 动态任务执行：支持机器人在需要快速反应和高机动性的场景中进行高动态任务，例如快速奔跑、跳跃和单脚跳，适用于体育赛事辅助或紧急响应任务。
• 人机协作任务：基于实时外部上肢干预功能，HUGWBC能够使人形机器人与人类操作者协作完成复杂任务，如搬运、装配或精细操作，从而提高工作效率与安全性。
• 服务机器人应用：在家庭或服务场所中，HUGWBC使人形机器人能够执行日常任务，如清洁、搬运物品或协助老年人和残疾人，提供更加自然和灵活的服务。
• 科学研究与开发：HUGWBC可用于开发和测试新的控制算法、人机交互技术及机器人感知能力，推动人形机器人技术的进一步发展。

常见问题

• HUGWBC适用于哪些机器人？HUGWBC设计用于多种人形机器人，适用于需要精细控制和多样能力的场景。
• 如何获取HUGWBC的使用权限？用户可以访问项目官网获取相关信息和使用指南。
• HUGWBC能否在真实环境中应用？是的，HUGWBC经过不对称训练框架的优化，能够在真实环境中稳定运行。