技术摘要：面向跨人形机器人全身控制的可扩展通用方法

问题陈述

基于学习的全身控制（WBC）已成为实现人形机器人敏捷且鲁棒行为的主流范式。然而，现有的方法主要具有具身特定性（embodiment-specific），由于形态学、运动学、动力学和关节配置的显著差异，每种新的机器人平台都需要进行大量的重新训练。这种缺乏可扩展性的问题使得在多样化的人形机器人集群中部署控制器变得成本高昂且效率低下。虽然以往在动画和四足机器人运动方面的跨具身研究取得了一定的迁移能力，但它们通常依赖于共享形态先验或简化动力学的假设，而这些假设在面对人形机器人时会失效，因为人形机器人表现出本质上复杂且异构的结构。本研究解决的核心挑战是：能否通过单一的学习控制器，在无需针对每个机器人进行训练的情况下，鲁棒地泛化到广泛且多样的各类人形机器人具身之上？

方法论：XHugWBC

作者提出了 XHugWBC，一种旨在学习能够实现零样本迁移（zero-shot transfer）的“通用型”策略的新型跨具身训练框架。该框架由三个核心组件组成：

1. 符合物理规律的形态随机化

为了训练出一个具有泛化能力的策略，系统在训练期间必须遇到多样化但符合物理规律的机器人具身。作者认为，对惯性参数进行朴素的随机化往往会导致物理上不可能的模型（例如：负质量或非正定惯性矩阵），从而导致仿真不稳定或策略退化。

• 重参数化： 他们引入了一种数学上严谨的方法来随机化连杆惯性参数。通过利用伪惯性矩阵的 Cholesky 分解（$J = LL^\top$）和仿射变换，他们将受限的物理参数空间映射到一个无约束的 10 维实数向量空间（$\mathbb{R}^{10}$）。
• 关节随机化： 该框架还随机化了关节配置，包括旋转轴、相对于父连杆的位置以及驱动类型（转动关节 vs 固定关节）。这使得生成具有不同自由度（范围从 12 到 32 个主动关节）和多样化运动学拓扑结构的机器人成为可能，同时保持了物理一致性。

2. 通用跨具身表示

为了处理具有不同关节数量和运动学结构的机器人，作者提出了一个统一的状态-动作表示法：

• 语义对齐： 机器人特定的关节状态被映射到一个固定维度（$N_{max} = 32$）的全局关节空间中。关节根据其语义角色（例如“左髋俯仰”）进行嵌入，未使用的维度则进行零填充。这确保了无论特定机器人的形态如何，策略都能接收到固定维度的输入。
• 基于图的形态描述： 为了编码关节之间的结构关系，作者为每个机器人构建了一个有向运动学图。从该图中导出的邻接矩阵用于显式表示机器人的拓扑结构，从而处理诸如平行连杆机构（例如：踝关节被视为膝关节的子节点）等复杂情况。

3. 策略架构与学习

控制策略通过在具有多样化形态特征的机器人族群上进行强化学习（RL）进行训练。

• 编码器： 作者探索了两种处理图结构数据的架构：**图卷积网络（GCN）**和 Transformer。Transformer 变体采用了混合掩码策略，在第一层使用掩码注意力以尊重局部运动学约束，并在随后的层中使用无掩码自注意力以实现全局协调。
• 状态估计： 为了解决实际部署中的部分可观测性问题，系统同步训练了一个监督式状态估计器，用于从本体感受观测中重建特权信息（例如：基座线速度、高度）。
• 指令空间： 该策略在一个涵盖速度、姿态和步态参数的统一指令空间内运行，并配备了额外的上肢干预机制（遥操作）以实现运动操作任务。

核心贡献

1. 符合物理规律的随机化： 一种通过重参数化惯性和关节空间，生成多样化且物理上合理的形态化人形机器人的新方法，克服了朴素随机化的局限性。
2. 通用表示： 一个利用语义关节对齐和基于图的形态描述来统一异构机器人结构的跨人形机器人控制框架。
3. 鲁棒的零样本泛化： 首次展示了通用型控制器在具有显著运动学、动力学和形态差异的 7 台真实世界人形机器人上实现了鲁棒的零样本全身控制。

实验结果

作者在 12 个模拟人形机器人和 7 个真实世界机器人（包括 Unitree G1, H1-2, Agibot X2 等）上评估了 XHugWBC。

• 零样本泛化： 该通用策略在所有 12 个模拟机器人和 7 个真实世界机器人上均实现了 100% 的生存率。虽然它未能完全达到为每个机器人专门训练的专家策略的性能，但在模拟环境中达到了专家策略回报（return）的约 85%。
• 微调效率： 当作为特定机器人的微调初始化时，通用策略的收敛速度明显快于从头开始训练，并且最终在回报上超过了专家策略高达 10%。
• 从仿真到现实（Sim-to-Real）的迁移： 该策略可靠地迁移到了所有七个真实平台。虽然存在仿真与现实之间的性能差距（相对误差范围约为 ~27% 至 ~108%），但系统保持了鲁棒的运动和任务成功率。
• 运动操作（Loco-Manipulation）： 该框架成功实现了长程全身任务，如拿起物体、开门和放置物品，且能跨不同机器人平台通过遥操作信号完成。
• 消融实验： 实验证实，基于图的架构（GCN 和 Transformer）明显优于标准的 MLP 基准模型，凸显了建模运动学拓扑的重要性。所提出的符合物理规律的随机化方法也优于使用朴素随机化或现有跨具身方法（如 MetaMorph, MorAL）的基准方案。

意义与主张

本文声称 XHugWBC 代表了迈向可扩展且通用的人形机器人控制的重要一步。通过在单次训练阶段内化广泛的形态和动力学特征分布，该框架学习到了强大的、与具身无关的运动先验。这消除了对昂贵的、针对特定机器人的重新训练的需求，并实现了在新的人形机器人平台上的快速部署。

作者强调，他们的工作证明了实现“一策通通用（one-policy-fits-all）”方法的可能性，而人形机器人领域此前因其结构异构性而被认为难以实现此类泛化。虽然目前的框架依赖于统一的指令接口，但作者指出，将其扩展到支持更具表达力、感知形态的控制（例如：用于运动追踪）仍是未来的研究方向。实验结果表明，通过正确的随机化和表示策略，基于学习的控制器可以在多样化的人形机器人领域实现鲁棒的泛化。