人形机器人控制新突破！敏捷稳定两不误，一个策略让人形机器人完成叶问蹲和跳舞｜港大&英伟达&清华

OpenDriveLab 投稿 量子位 | 公众号 QbitAI 人形机器人要在人类环境中执行各种任务，需要同时具备两个看似矛盾的能力： 敏捷的动态运动 和 精确的平衡控制 。 AMS从三个关键方面解决动态运动与平衡控制的统一问题： 1. 异构数据源 ：从机器人动作空间直接采样生成可扩展的平衡数据，突破人类数据限制，缓解长尾分布问题。 下面来看详细内容。 人形机器人的"两难困境" 叶问蹲、跳舞、跑步，一个策略全搞定！ 核心思路： 反观人类，却能轻松自然的实现这种协同——比如在动态行走后精确放置物体，或者在单腿站立时用自由肢体作为临时支撑去够取物体。 近日，来自香港大学、NVIDIA和清华大学的联合研究团队提出了一种名为 AMS （Agility Meets Stability） 的统一人形机器人全身控制框 架， 首次 实现了在单一策略中同时具备动态运动跟踪和极限平衡控制能力。 2. 混合奖励机制 ：选择性应用平衡先验奖励，精准平衡指导不牺牲敏捷性，化解优化目标冲突。 3. 自适应学习策略 ：动态调整采样概率，同时对每个动作"因材施教"，实现高效的自适应学习。 然而，对于人形机器人来说，同时实现这两种能力却是一 ...