上一篇
波士顿动力Spot机器狗革新动态全身操作，高效搬运重型轮胎
机器人犬搬运轮胎，四肢与机械臂协同发力！
在波士顿动力AI研究所的最新突破——融合采样与学习的动态全身操控技术中，其机器狗Spot仅需3.7秒即可成功抬起轮胎。
所搬运的轮胎重量达15公斤，这相当于Spot自身重量（32.7千克）的一半，并且超越了其机械臂的最大承载能力。
更令人惊叹的是，在抬起轮胎后，它还能将轮胎滚动到预设位置。
它甚至能够将一个轮胎叠放到另一个之上（过程中还会用头部辅助顶推）。
该方法突破了传统操作策略（如缓慢摇动）在不同机器人形态结构上的迁移局限性，并通过分层控制架构实现了机器狗四肢与全身的协调动力操作。
网友们纷纷调侃，这只机器狗快去废品回收站搬运轮胎吧！
那么，这一壮举是如何实现的呢？
融合采样与学习的动态全身操控技术
简而言之，动态全身操控技术通过将强化学习与基于采样的控制相结合，使机器人能够执行需要手臂、双腿及躯干协同工作的动态力交互任务。
为了应对复杂的操控挑战，研究采用了分层控制策略，将控制问题分解为两个互补且同步的层次。
在底层，基于强化学习的运动策略直接控制电机扭矩，以确保机器人的平衡、稳定与动作执行。
高层控制则依据任务类型灵活调整：
对于轮胎扶正、拖拽与堆叠等任务，系统运用基于采样的控制，通过模拟多种未来场景来探寻最优操作方案。
对于轮胎滚动任务，则采用强化学习来捕捉维持物体稳定运动所需的精细动力学特征与反应控制机制。
所有高层方法最终都会输出包括底盘速度、姿态参数（涵盖滚转、俯仰与高度）、腿部控制以及手臂动作在内的指令。
在采样控制过程中，控制器通过并行模拟众多未来情境，搜寻最高效的操作策略，从而选择最有利于达成任务目标的动作。
针对那些需要精确施力与多接触协调的任务，系统会启动32个并行CPU线程，每个线程利用MuJoCo模拟未来几秒内的不同动作序列。
与直接对原始轨迹进行采样不同，研究在样条曲线空间中进行采样，这种方式能生成更平滑、更自然的运动轨迹，同时降低搜索空间的维度。
该控制器展现出源于物理仿真的机会主义行为。在轮胎扶正过程中，控制器自主发现了复杂的操作策略：机器人通过协调Spot机械臂与前腿的动作，产生足够的杠杆力以抬起沉重轮胎。
为了适应多样的初始构型，机器人可能运用手臂、前腿、身体或其组合来灵活调整操作方式。
值得注意的是，系统并未预设任何固定的操作模式。这种多肢体、多接触的行为，是在采样优化过程中自然涌现的产物，而非通过显式编程设定接触顺序来实现。
此外，控制器会根据实验室内机器人与轮胎的实时构型动态调整策略。
在具体的强化学习策略方面，研究通过PPO算法在IsaacLab中训练获得运动策略。
这一策略为高层控制提供了稳健的底层控制抽象，能够在多种操作场景中维持平衡，从而使高层控制问题更易于处理。
在轮胎滚动任务中，研究利用强化学习来应对难以精确建模的复杂摩擦与接触动力学。
其采用非对称演员-评论家架构，在单块GPU上经过约24小时训练，得到高层技能策略。
该策略接收的观测状态包括机器人、轮胎与目标之间的相对姿态，以及关节位置与速度。奖励函数则依据物体几何形状及其与环境的空间关系，计算期望的躯干与末端执行器位置，从而引导策略学习达到目标姿态。
训练所得的轮胎滚动策略使机器人能够动态调整其躯干与Spot机械臂的位置，以稳定控制滚动的轮胎，防止其倾倒，并将其导向目标位置。
最后，为弥合仿真与现实的差距，训练过程中引入了随机化，包括对物体的质量、摩擦系数与形状等属性进行随机变化。
实际测试表现
正如前文所述，在轮胎扶正任务中，机器人的最佳记录为3.7秒，平均每个轮胎耗时5.9秒，几乎媲美人类在该任务上的操作速度。
这一表现远超传统的准静态假设。
在准静态假设下，机器人操作物体时速度缓慢，忽略加速度产生的惯性，关节驱动力矩主要依赖于静态平衡。
而在此研究中，机器狗能够高效搬运重达15千克的轮胎——这远超其夹持器的峰值举升能力（11千克）和持续举升能力（5千克）。
这表明机器人通过动态协调全身动作，将运动与操作紧密结合，从而拓展了操作范围，超越了传统的拾取与放置方式。
此外，研究显示，将高层控制与底层控制分离能够显著简化控制问题。
高层控制器无需在拥有数十个自由度的系统中推理关节力矩、接触力以及稳定性约束，而是仅在一个简化的动作空间中工作，该空间由底盘速度和姿态参数构成，其将执行细节交由运动控制器处理，从而极大降低了复杂度。
分层控制架构使得高层控制器能够专注于任务完成，而无需显式地推理平衡约束或地面接触。
因此，学习得到的运动抽象层让高层控制更简洁、计算更可行，控制器只需专注于“在哪里”和“如何操作物体”，无需处理复杂的底层动力学细节。
参考链接：
[1]https://rai-inst.com/resources/blog/combining-sampling-and-learning-for-dynamic-whole-body-manipulation/
[2]https://x.com/rai_inst/status/1978113805604258161
本文由主机测评网于2026-01-09发表在主机测评网_免费VPS_免费云服务器_免费独立服务器，如有疑问，请联系我们。
本文链接：https://www.vpshk.cn/20260116201.html
