为人形机器人学习类人羽毛球技能

在羽毛球等高要求运动中实现多功能且类人的表现，对人形机器人来说仍然是一个艰巨的挑战。与标准的运动或静态操作不同，这项任务要求将爆发性的全身协调与精确的、时间关键的拦截无缝集成。尽管最近的进展已经实现了逼真的运动模仿，但弥合运动学模仿与功能性、物理感知的击球之间的差距，同时不牺牲风格的自然性，并非易事。为了解决这个问题，我们提出了“模仿到交互”（Imitation-to-Interaction），一个渐进式强化学习框架，旨在将机器人从“模仿者”演变为有能力的“击球手”。我们的方法从人类数据中建立了一个稳健的运动先验，将其提炼为紧凑的、基于模型的状态表示，并通过对抗性先验稳定动力学。至关重要的是，为了克服专家演示的稀疏性，我们引入了一种流形扩展策略，将离散的击球点泛化为密集的交互体积。我们通过在模拟中掌握包括挑球和吊球在内的多种技能来验证我们的框架。此外，我们首次展示了将拟人化羽毛球技能零样本模拟到现实迁移到人形机器人上，成功地在物理世界中复现了人类运动员的运动优雅性和功能精确性。