Thor: 面向强烈接触丰富环境的人类水平全身反应
机器人学
2025-11-06 v2
摘要
Humanoids 对服务、工业和救援等应用具有巨大的潜力，在这些应用中，机器人必须在执行激烈且充满接触的交互动作时维持全身稳定性。然而，使 humanoids 在此类条件下生成类人、自适应反应仍是一项重大挑战。为此，我们提出了 Thor，这是一种用于在接触丰富环境中实现人类水平全身反应的人类机器人框架。基于机器人的力分析，我们设计了一种力适应腰身倾斜（FAT2）奖励函数，以鼓励 humanoids 在力交互任务中展现类人反应。为缓解人类机器人控制的高维挑战，Thor 引入一种强化学习架构，将上身、腰部和下身解耦。每个组件共享整个身体的全局观察，并联合更新其参数。最后，我们在 Unitree G1 上部署了 Thor，该机器人在力交互任务中显著优于基线方法。具体而言，当向后移动时，机器人实现了 167.7 N 的峰值拉力（约占 G1 体重的 48%），向前移动时为 145.5 N，分别比最佳基线方法提高了 68.9% 和 74.7%。此外，Thor 能够拉动装载物的架子（130 N）和用一只手打开消防门（60 N）。这些结果突显了 Thor 在提升人类机器人力交互能力方面的有效性。
引用
@article{arxiv.2510.26280,
title = {Thor: Towards Human-Level Whole-Body Reactions for Intense Contact-Rich Environments},
author = {Gangyang Li and Qing Shi and Youhao Hu and Jincheng Hu and Zhongyuan Wang and Xinlong Wang and Shaqi Luo},
journal= {arXiv preprint arXiv:2510.26280},
year = {2025}
}