基于多阶段强化学习的人类机器人全身式羽毛球
机器人学
2026-04-28 v3
摘要
人类机器人已在 locomotion 和操纵方面 demonstrate 与静态场景的强大能力，但动态的真实世界交互仍具有挑战性。作为实现快速移动物体交互的一步，我们提出了一个强化学习训练管道，产生统一的人类机器人羽毛球全身控制器，协调步态和击球，无需运动先验或专家演示。在部署方面，我们使用扩展卡尔曼滤波器(EKF)来估计和预测羽毛球轨迹用于目标击球，也开发了一个无预测的变体，去除EKF和显式预测。在仿真和硬件上进行五组实验的验证。在仿真中，两台机器人 sustained 持续21次击球。在使用机器供给的羽毛球和人机对抗的实际测试中，机器人实现了最高达19.1 m/s的输出羽毛球速度，平均返回落点距离为4 m。此外，无预测变体的表现相当于EKF基于目标已知的策略。总体而言，我们的方法实现了人类机器人羽毛球中动态而精确的目标击球，为更动态的全身交互任务指明了道路。
引用
@article{arxiv.2511.11218,
title = {Humanoid Whole-Body Badminton via Multi-Stage Reinforcement Learning},
author = {Chenhao Liu and Leyun Jiang and Yibo Wang and Kairan Yao and Jinchen Fu and Xiaoyu Ren},
journal= {arXiv preprint arXiv:2511.11218},
year = {2026}
}
备注
Project Page: https://humanoid-badminton.github.io/Humanoid-Whole-Body-Badminton-via-Multi-Stage-Reinforcement-Learning