HUGWBC是什么
HUGWBC（Humanoid Unified and General Whole-Body Controller）是上海交通大学、上海AI Lab联合推出的人形机器人全身控制器，能实现精细的运动控制。HUGWBC基于扩展的命令空间和先进的训练技术，让机器人执行多种自然步态（如行走、跑步、跳跃、站立和单脚跳），支持实时外部上肢控制信号，实现复杂的运动操作任务。HUGWBC用强化学习在模拟环境中训练，用不对称训练框架（AAC）将策略直接迁移到真实机器人上。
HUGWBC的主要功能
- 支持多种步态：支持控制机器人执行行走、跑步、跳跃、站立和单脚跳等多种步态。
- 精细调整参数：支持调整步态频率、脚摆高度、身体高度、腰部旋转和身体俯仰角等参数，适应不同的任务需求。
- 实时外部干预：支持上肢的实时外部控制信号（如遥操作或运动重定向），让机器人在执行运动任务时进行复杂的操作。
- 高鲁棒性和适应性：HUGWBC能适应不同的地形和外部干扰，保持运动的稳定性和精度。
HUGWBC的技术原理
- 扩展的命令空间：设计包含任务命令和行为命令的通用命令空间，灵活地控制机器人的运动和姿态。
- 强化学习训练：基于强化学习（特别是PPO算法）在模拟环境中训练控制策略，定义奖励函数优化机器人的运动性能。
- 不对称训练框架：采用不对称训练框架（AAC），批评网络访问所有特权信息，演员网络仅用真实机器人可用的传感器数据，提高策略的泛化能力。
- 对称性损失：引入对称性损失函数，鼓励策略生成自然且对称的运动，提高运动的稳定性和效率。
- 干预训练：在训练中引入外部干预信号，适应上肢的实时控制，且保持下肢运动的稳定性和精度。
- 脚轨迹规划：用五次多项式轨迹规划方法，确保脚在摆动阶段的平滑运动，提高运动的自然性和稳定性。
HUGWBC的项目地址
- 项目官网：https://hugwbc.github.io/
- arXiv技术论文：https://arxiv.org/pdf/2502.03206
HUGWBC的应用场景
- 复杂地形导航：控制人形机器人在不平坦的地形上行走、跑步和跳跃，适应各种复杂的环境，如崎岖的山路、废墟或建筑工地等，执行搜索和救援任务。
- 动态任务执行：支持机器人进行高动态任务，如快速奔跑、跳跃和单脚跳，在需要快速反应和高机动性的场景中发挥作用，例如体育赛事辅助或紧急响应任务。
- 人机协作任务：基于实时外部上肢干预功能，让人形机器人与人类操作员协作完成复杂的任务，如搬运、装配或精细操作，提高工作效率和安全性。
- 服务机器人应用：在家庭或服务场所中，让人形机器人执行日常任务，如清洁、搬运物品或协助老年人和残疾人，提供更加自然和灵活的服务。
- 科学研究与开发：开发和测试新的运动控制算法、人机交互技术和机器人感知能力，推动人形机器人技术的进一步发展。