盖世汽车讯 腿式机器人，即拥有类似动物或人类腿部的机器人系统，在家庭环境或人口密集、动态的空间中执行任务可能具有优势。这些机器人虽然外形酷似人类或动物，但通常无法在短时间内可靠地复制复杂的全身运动。

训练机器人学习新的动作通常需要设计控制器或策略（即决定机器人如何运动的软件），并对其进行调整以产生所需的动作。这个过程可能非常耗时，并且并非快速教会机器人各种灵活动作的理想方法。

图片来源：期刊《Science Robotics》

据外媒报道，机器人与人工智能研究所（RAI）和波士顿动力公司（Boston Dynamics）的研究人员近期开发了一种新的框架，可以将录制或动画中的动作转化为机器人控制策略。该框架发表在期刊《科学机器人（Science Robotics）》上，并已成功用于教会两个类人机器人和一个四足机器人新的动态动作。

“在类人机器人上实现鲁棒的、类似人类的全身控制，从而实现敏捷、丰富的互动行为，仍然是一个核心挑战，这需要对每个技能进行大量的工程设计，并且控制器的调优过程也十分繁琐。”研究人员Jean Pierre Sleiman、He Li及其同事在论文中写道。“我们提出了简化的运动模仿框架ZEST（zero-shot embodied skill transfer，零样本具身技能迁移），它通过强化学习从多种来源（高保真运动捕捉、含噪单目视频和非物理约束动画）训练策略，并将其零样本部署到硬件上。”

将人类演示转化为机器人动作

由Sleiman、Li及其同事开发的全新框架ZEST旨在教会不同类型的腿式机器人各种全身动作。为了测试该框架，研究团队使用了动作捕捉录像、单台手持摄像机拍摄的普通视频以及计算机生成的动画。

从视频演示中提取的动作被重建为三维（3D）模型，并经过平滑处理以减少误差，同时调整以匹配特定机器人的身体比例。研究团队使用单个NVIDIA L4图形处理器(GPU)为每个目标技能训练了单独的控制策略，训练时间约为10小时。

新框架将长的运动序列分割成更短的片段，识别出机器人难以复现的片段。然后，机器人策略会更频繁地针对这些具有挑战性的片段进行训练，而不是针对更容易的片段。

“ZEST能够跨行为和平台进行泛化，而无需依赖接触标签、参考或观察窗口、状态估计器或大量的奖励塑造，”研究人员说道。“其训练流程结合了自适应采样（专注于训练复杂运动片段）和基于模型的辅助扳手自动课程，从而实现了动态的、长时程的机动动作。此外，我们还提供了一种从闭链执行器的近似解析电枢值中选择关节级增益的方法，以及一个改进的执行器模型。”

研究人员将使用ZEST训练的策略直接从仿真环境迁移到三种不同的机器人：G1、Spot和Atlas。G1是由宇树科技公司开发的人形机器人。Atlas和Spot分别是波士顿动力公司开发的人形机器人和仿狗四足机器人。

通往更敏捷人形机器人的道路

该团队的初步测试结果令人鼓舞，因为该框架似乎在所有三个机器人上都具有良好的通用性。这些人形机器人能够重现各种动态全身运动，包括行走、慢跑、前滚翻、四肢爬行、匍匐前进、倒立、侧手翻和霹雳舞。

另一方面，Spot机器人获得了新的杂技技能，例如连续后空翻、前腿倒立平衡、活泼的狗狗动作和桶滚。

“ZEST完全在模拟环境中训练，并采用适度的领域随机化，展现出了广泛的通用性，”Sleiman、Li及其同事写道。

在波士顿动力公司的Atlas人形机器人上，ZEST通过动作捕捉学习了动态的多接触技能（例如匍匐前进和霹雳舞）。它能够将富有表现力的舞蹈和场景互动技能（例如爬箱）直接从视频迁移到Atlas和Unitree G1机器人上。此外，它还扩展到了Spot四足机器人，使其能够通过动画实现诸如连续后空翻之类的特技动作。

Sleiman、Li及其同事的研究结果凸显了ZEST在相对较短的时间内教会不同身体结构的腿式机器人复杂动态运动的潜力。

未来，该框架可以进一步改进，并在更广泛的腿式机器人上进行测试，或者用于演示其他复杂的全身运动序列。