基于三维阻力理论的人形机器人颗粒地形自适应运动学习
研究提出基于三维阻力理论的颗粒接触模型与地形自适应控制器，在玄武岩、干沙和海滩沙等真实颗粒地形上实现敏捷人形运动，属首次演示。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
人形机器人外形模仿人类、有头有手有腿的机器人。最大优势是能直接使用为人类世界设计的工具和空间——楼梯、门把手、工厂工位都不在话下。◆ 小白科普 · 现身在颗粒地形上的运动长期受制于足-地相互作用动力学难以建模的问题。现有方法往往忽略颗粒接触动力学，或仅采用简化法向力模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身并辅以启发式切向分量，导致策略难以迁移至真实颗粒地面。
针对这一难题，研究团队提出一种基于三维阻力理论（3D RFT）的物理颗粒接触模型，并高效模拟颗粒地形用于强化学习一种 AI 训练方法：让机器人在亿万次「试错」中自己摸索，做对了就给奖励。机器人走稳路、跑酷空翻，大多是这么练出来的。◆ 小白科普 · 现身训练。与刚性接触模型及基于启发式简化的颗粒接触模型不同，该接触求解器无需启发式规则即可生成物理准确的颗粒侵入动力学，在训练中捕捉真实的穿透与切向阻力，使策略学习到的行为能够可靠迁移到刚性接触模型失效的真实颗粒地形。
为适应不同地形条件，团队通过教师-学生强化学习训练地形自适应运动控制让机器人的身体按想法精准动起来、并保持平衡的技术，相当于人类的「小脑」。◆ 小白科普 · 现身器，并利用变分自编码器将地形信息编码为紧凑的潜在表示。采用物质点法（MPM）与 NVIDIA Newton 的仿真在电脑里搭建虚拟世界来测试、训练机器人。成本低、速度快，但和真实世界总有差距。◆ 小白科普 · 现身研究表明，该方法可泛化指 AI 面对没见过的新东西、新场景时也能举一反三做出正确反应的能力。这是「通用机器人」和「专用机器」的分水岭。◆ 小白科普 · 现身至未见过的颗粒地形，成功率显著高于基线，并展现出零样本地形识别与自适应能力。
研究进一步在多种真实颗粒地形上开展大量硬件实验，包括玄武岩、干沙和海滩沙。据作者所述，这是首次在真实颗粒地形上演示敏捷人形运动。项目页面为 https://humanoid-gm-locomotion.github.io/HUMANOID-GM/。