今年4月勇奪全球首個人形機器人「半馬」冠軍的「天工」，面向行業免費開放了其在運動控制上的核心技術。近日，北京人形機器人創新中心發布了開源運動控制框架Tien Kung-Lab，其中就包括「天工」的奔跑秘笈。
如同人類需要穩健行走才能勞動，強大的運動控制能力是人形機器人執行各類產業任務的前提。運動控制相當於人類小腦發揮的作用，也是人形機器人從實驗室邁向規模化應用的重要門檻。「天工」之所以能以2時40分42秒跑完21.0975公里，就得益於運動控制的核心技術。
與傳統人形機器人運動控制採取的動力學方法、強化學習兩條路都不同，「天工」採用的是北京人形機器人創新中心研發的「強化模仿學習」新法子：先「吸收」人類運動過程中關節變化等各種數據並進行模仿，再在模擬環境中邊跑邊成長，在摸索和試錯中學習。
這一方法首次融合了模仿學習與強化學習的優勢，讓人形機器人在走路、跑步等移動中面對複雜地形的穩定性更高、適應能力更強，還保留了與人類高度相似的優雅姿態。
Tien Kung-Lab是一套開源強化學習運動控制演算法框架。該框架融合前沿的強化學習技術和人體運動數據，能讓人形機器人實現自然、高效、穩定的運動控制。為了幫助開發者更方便感知策略訓練，此次開源的演算法框架，改進了相關的光線追蹤技術，實現了訓練環境中深度圖和激光雷達點雲的快速準確獲取，讓模擬環境下從感知到運動的「端到端」訓練成為可能。
自去年4月首度亮相，「天工」的運動控制演算法不斷迭代，今年還基於視覺的感知行走，完成了全球首例百級台階攀登實驗，實現了無磕碰、不踩棱、不踏空地跨越連續多級樓梯和35厘米大高差台階，奔跑時速也由6公里/小時提高至12公里/小時，並能在雪地等高難度地形中高速奔跑。
人形機器人馬拉松比賽中，更是讓Tien Kung-Lab經歷了超長賽程和真實路況的挑戰，在運動控制層面保證了「天工Ultra」每一次邁步與落地的穩定、準確，跨越了真實道路中凸起、凹陷、減速帶、細小石子等隨機干擾，最終實現了順利完賽。
「天工」運控演算法面向行業開源，填補了高性能人形機器人運動控制框架在開源領域的空白，將縮短其他人形機器人跨地形高速泛化移動的開發周期。
「開源之後，其他的開發者就可以根據自己的需求進行二次開發。」北京人形機器人創新中心開源社區負責人董建宇解釋了「天工」之所以技術開源的原因：開源之後，天工的運動控制技術就可以在不同開發者的場景里進行訓練，適應更複雜的地形，完成更複雜的動作和任務；眾多開發者加入進來，也能加速天工運動控制演算法在工業場景、物流場景、特種作業場景等高複雜環境下規模化應用。按照開源社區的協議，其他開發者也會將二次開發的代碼反哺給社區，共同擴大人形機器人的技術生態。
運動控制的秘笈向行業開放後，其他人形機器人是否會「追」上「天工」？
「天工的運動控制能力會不斷升級和迭代。開源之後，我們收到更真實的一線反饋，看到真實場景里的更多需求，倒逼著天工不斷進行技術創新和突破，不斷實現技術上的領先。」董建宇說，天工的運動控制框架也會隨著技術的迭代，不斷開源新的版本。
當前，Tien Kung-Lab已在Open X-Humanoid開源社區、Github、Gitee等平台開放下載。
來源：北京日報客戶端
記者：曹政
