深度强化学习助力人形机器人自主学习跌倒保护策略

人形机器人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 · 现身由于自身形态、动力学特性及控制策略的限制，相比四足或轮式机器人更易跌倒。其重量大、质心高、自由度自由度DoF机器人能独立运动的方向数量；自由度越多，动作通常越灵活，控制也更复杂。◆ 小白科普 · 现身多，一旦失控跌倒，可能对自身及周围物体造成严重硬件损伤。现有研究多采用基于控制的方法，难以应对多样化的跌倒场景，且可能引入不恰当的人类先验。

为此，研究者尝试利用大规模深度强化学习强化学习一种 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 · 现身与课程学习，激励人形智能体自主发现符合其本性的跌倒保护策略。通过精心设计的奖励函数和领域多样化课程，团队成功训练智能体探索跌倒保护行为，并发现形成三角结构可显著降低刚性材料机体的跌倒损伤。研究通过综合指标与实验，量化了该方法相对其他方法的性能，可视化了跌倒行为，并成功将其迁移至真实世界平台。