面向人类机器人脑-身体协同设计：基于 fall recovery 的控制与形态联合优化
机器人学
2025-11-06 v2 人工智能
摘要
人类机器人代表了具身智能的前沿领域，其人类学形态使其能够自然地部署在人类的工作空间中。人类机器人脑-身体协同设计实施了这种潜力的关键方法，通过联合优化控制策略和物理形态来实现。就此而言，fall recovery（跌倒恢复）是一个关键能力，不仅提升了安全性和韧性，还自然地与 locomotion（ locomotion 系统集成，从而推进人类机器人的自主性。本文提出了RoboCraft——一个用于跌倒恢复的人类机器人协同设计框架，通过控制策略和形态的耦合更新来实现性能的持续改进。一个在多个设计上预训练的共享策略，逐步在高性能形态上进行微调，以实现无需从零重新训练的高效适应。同时，形态搜索由类人先验和优化算法驱动，由优先级缓冲区支持，对有前景候选者的重新评估与新设计的探索保持平衡。实验表明，RoboCraft在七个公开的人类机器人上实现了平均性能提升44.55%，其中形态优化驱动至少40%的协同设计四个人类机器人性能提升，凸显了人类机器人协同设计的关键作用。
引用
@article{arxiv.2510.22336,
title = {Toward Humanoid Brain-Body Co-design: Joint Optimization of Control and Morphology for Fall Recovery},
author = {Bo Yue and Sheng Xu and Kui Jia and Guiliang Liu},
journal= {arXiv preprint arXiv:2510.22336},
year = {2025}
}