衡宇 丰色 发自 凹非寺
量子位 | 公众号 QbitAI

注意看，小帅一个转身，卫衣帽子里面居然空 无 一 头：

好啦，这不是惊悚恐怖片，而是来自UCSD（加州大学圣地亚哥分校）全华人团队的最新研究成果。

他们提出一种特别的全身控制策略（ExBody），能对人形机器人进行全身控制。策略主要训练人形机器人上半身，下半身则专注于负责维持稳定。

这样训练出来的人形机器人，能实现稳健的运动和动态运动跟踪。

简而言之，会的活多，表现力还强。

比如和人类边贴贴边跳舞，增进增进人形机器人和人类之间的感情：

穿着荧光小马甲，就能立刻上岗街头指挥人车交通：

研究论文资料显示，这个研究团队共6人，其中过半是UCSD的在读博士生。

为什么要对人形机器人做这样的训练呢？论文共同一作Xuxin Cheng在推特上卖力宣传的同时，做出了解释。

机器人总是被要求化身各行各业的打工人！我们就想跟它一起探索另一条方向的路～

当人形机器人“富有表现力”

团队的这项研究名为《Expressive Whole-Body Control for Humanoid Robots》，研究目标是让人形机器人在现实世界中产生丰富、多样和富有表现力的动作。

在经过团队的调教后，人形机器人能做出什么样的行为呢？

路遇朋友迎面击掌，这是不在话下的。

我都能脑补出它大声喊了一句Hey Man……

亲切一点，路遇兄弟，来个抱抱：

有点搞笑的事，不管是击掌还是拥抱，机器人下半身跺脚的行为并不会停止，只是会稍微放缓。

眼尖的朋友们可能已经发现了，上面的击掌实验在不同环境、不同地面进行。

团队也明确表示，通过新研究训练出来的人形机器人，可以在各种不同的地形地面上健步如飞。

除了上文展示过的草地和石板路，沙滩对它来说同样是小菜一碟：

平整的办公室地面也可以轻松应对：

团队给出的更多展示中，还表现了更多遇到外界阻力时行动自如的demo。

狠狠拽它：

拿大球砸它：

还知道抬手示意，“喂，你可以帮我背上小书包了”。

各种操作，看得大伙儿一愣一愣的。

纽约大学计算机科学助理教授发推特应援，称这么高水平控制力和表现力的研究成果，居然是一个6人组成的学术团队的产出，“难以置信”！

更多的网友则选择用“Cool”来形容这项工作：

“无他，照着人类学”

所以，究竟怎么才能让机器人像以上般“张牙舞爪”、富有类人表现力？

设想的思路无他：照着人类学。

学习资料既包括各种人体动捕数据集，也包括生成模型、video2pose模型给出的模拟数据。

通过在强化学习框架中进行全身控制的大规模训练，机器人就可以在现实世界中进行动作的泛化了。

然而，这样的Sim2Real思想实际还是遇到了问题。

作者介绍，典型数据集中的人体模型有69个自由度，但他们所用的机器人只有19个。

除此之外，理论和实际的扭矩限制也不相同。

这就很尴尬了，等于学会的知识实际根本不能拿来就用。

那怎么办？

那就做一个小小的改动：

只让上半身进行模仿，负责各种表现力，下半身则只负责在任意速度内把两条腿控制稳定就行。

作者姑且就管这个方法就叫做“表现型全身控制”（Expressive Whole-Body Control (Exbody)）。

由此，该机器人的整体框架就长这样：

首先，在拿到各种数据集后，系统会有一个运动重定向，用于获取一系列与符合机器人运动学结构的运动片段。

然后在从这些片段中提取表达目标和根运动目标，进行“Exbody”策略的强化学习训练，最终将指令部署到真实机器人身上。

其中，表达目标就是机器人上半身要完成的，根运动目标则归于下半身（当然，这部分也可以用遥控命令直接给出）。

最终，和各种基线方法相比，该机器人取得了如下成绩：

有几项比较突出的指标，整体表现还不错。

（MELV：Mean Episode Linear Velocity Tracking Reward，线性速度跟踪奖励 MEK：Mean episode key body tracking reward，关键身体追踪奖励）

而从下图来看，Exbody的策略也能让机器人在表现时（例如击掌）膝盖弯曲更多，抬脚时脚离地面更高。言外之意，动作更卖力更富有表现力一些～当然，也更稳。

全华人团队出品

本研究一共6位作者，全部为华人，全部来自加州大学圣地亚哥分校（UCSD）。

共同一作有两位：

通讯作者为他们的导师Xiaolong Wang，UCSD电气工程系助理教授。

他博士毕业于CMU，目前的研究方向集中于CV和机器人技术等等，谷歌学术显示论文引用次数23000+。

哦对了最后，团队成员还包括本次研究所用的机器人：来自宇树科技的Unitree H1。

One More Thing

要说最近的机器人进展，还真不少。

先是OpenAI和微软押注的Figure刚刚宣布，新一轮融资筹集了约6.75亿美元，融资前估值约20亿美元。

紧接着发布了个视频，介绍了旗下人形机器人Figure 01的最新进展，称“一切都是自主的”：

再有就是那个面部表情极其丰富，有时惊艳有时又惊悚的Ameca，最新宣布已具有视觉能力。

她能观察所处房间的整个情况，然后用各种各样的声音语气（包括但不限于马斯克、海绵宝宝）跟你绘声绘色地描述。

就怪有意思的hhhhhh

参考链接：
[1]https://expressive-humanoid.github.io/resources/Expressive_Whole-Body_Control_for_Humanoid_Robots.pdf
[2]https://expressive-humanoid.github.io/
[3]https://twitter.com/xiaolonw/status/1762528106001379369