面向审美约束人形机器人的对抗运动先验学习漫步
机器人学
2025-09-09 v1 人工智能
系统与控制
系统与控制
摘要
我们提出了基于强化学习(RL)的Cosmo人形机器人漫步系统。Cosmo是为娱乐应用定制的类人机器人，具有独特挑战。由于审美驱动的设计选择，Cosmo拥有比例悬殊的头部(占总质量16%)、有限的感知能力以及保护壳体显著限制运动。为此，我们应用对抗运动先验(AMP)使机器人能够在保持物理稳定性的同时学习自然动作。我们开发了量身定制的域随机化技术和专门的奖励结构，以确保安全的仿真到现实部署，期间保护珍贵硬件组件。我们的实验表明，尽管Cosmo的质量分布极端且运动受限，AMP仍能生成稳定的站立和行走行为。这些结果为在保持审美吸引力与功能性能之间取得平衡的机器人提供了可行路径，表明基于学习的方法能够有效适应审美驱动的设计约束。
引用
@article{arxiv.2509.05581,
title = {Learning to Walk in Costume: Adversarial Motion Priors for Aesthetically Constrained Humanoids},
author = {Arturo Flores Alvarez and Fatemeh Zargarbashi and Havel Liu and Shiqi Wang and Liam Edwards and Jessica Anz and Alex Xu and Fan Shi and Stelian Coros and Dennis W. Hong},
journal= {arXiv preprint arXiv:2509.05581},
year = {2025}
}
备注
8 pages, 11 figures, accepted at IEEE-RAS International Conference on Humanoid Robots (Humanoids) 2025