💻 computer science

System Design of the Ultra Mobility Vehicle: A Driving, Balancing, and Jumping Bicycle Robot

本文受极限自行车运动员启发，提出了一种名为“超机动车辆”（UMV）的机器人系统，通过仿真驱动的结构优化与约束强化学习控制，实现了仅用少量驱动自由度即可在单轮接触下完成高速行驶、动态平衡及高难度跳跃（如前空翻）等多样化运动技能。

原作者： Benjamin Bokser, Daniel Gonzalez, Aaron Preston, Alex Bahner, Annika Wollschläger, Arianna Ilvonen, Asa Eckert-Erdheim, Ashwin Khadke, Bilal Hammoud, Dean Molinaro, Fabian Jenelten, Henry Mayne, Howie

发布于 2026-03-18

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Benjamin Bokser, Daniel Gonzalez, Aaron Preston, Alex Bahner, Annika Wollschläger, Arianna Ilvonen, Asa Eckert-Erdheim, Ashwin Khadke, Bilal Hammoud, Dean Molinaro, Fabian Jenelten, Henry Mayne, Howie Choset, Igor Bogoslavskyi, Itic Tinman, James Tigue, Jan Preisig, Kaiyu Zheng, Kenny Sharma, Kim Ang, Laura Lee, Liana Margolese, Nicole Lin, Oscar Frias, Paul Drews, Ravi Boggavarapu, Rick Burnham, Samuel Zapolsky, Sangbae Kim, Scott Biddlestone, Sean Mayorga, Shamel Fahmi, Surya Singh, Tyler McCollum, Velin Dimitrov, William Moyne, Yu-Ming Chen, Farbod Farshidian, Marco Hutter, David Perry, Al Rizzi, Gabe Nelson

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一个名为 UMV（超机动车辆） 的机器人，你可以把它想象成**“自行车界的体操冠军”，或者“长了肌肉和大脑的独轮车”**。

为了让你更容易理解，我们不用复杂的公式，而是用几个生动的比喻来拆解它的核心亮点：

1. 它是什么？（外形与构造）

想象一下，如果你把一辆普通的自行车，加上一个非常强壮的“上半身”，会发生什么？

普通自行车：只有两个轮子，靠骑手的身体左右摇摆来保持平衡。
UMV 机器人：它有一个像自行车一样的底盘（两个轮子），但它的“车头”部分（我们叫它“头”）非常重，而且里面装满了电机和电池。这个“头”通过几根像机械臂一样的连杆连接到车身上。
核心秘密：这个“头”可以疯狂地前后左右甩动。就像花样滑冰运动员通过收拢手臂来加速旋转一样，UMV 通过甩动它的“头”来产生巨大的力量，让自己跳得更高、转得更快，甚至在单轮上保持平衡。

2. 它为什么这么厉害？（设计哲学）

以前的机器人要么像腿（像波士顿动力的 Atlas，能跳能跑，但太重、太复杂、太费电），要么像轮子（像扫地机器人，跑得快但遇到台阶就傻眼了）。

UMV 做了一个聪明的选择：“少即是多”。

它没有像腿那样复杂的关节（腿通常有 6 个自由度，UMV 只有 5 个）。
它没有像传统平衡车那样装一个沉重的飞轮（像陀螺仪）来帮忙平衡。
比喻：它不像是一个笨重的机器人，更像是一个杂技演员。它不靠“死力气”（额外的机械结构），而是靠**“巧劲”**（利用动量守恒，像荡秋千一样甩动身体）来完成任务。

3. 它学会了什么绝活？（能力展示）

研究人员没有手把手教它每一个动作，而是把它扔进一个虚拟的“电子游乐场”（仿真环境），用一种叫**“强化学习”**的方法让它自己摸索。这就像教小狗：做对了给奖励，做错了就重来，直到它学会所有高难度动作。

UMV 学会了以下“杂技”：

原地定车（Track-stand）：像自行车高手一样，在两个轮子之间保持静止，甚至能原地倒车。
独轮跳跃（Hopping）：它能把前轮抬起来，只用后轮像袋鼠一样单脚跳，甚至能横着跳。
前空翻（Front Flip）：这是最酷的！它能加速、起跳、在空中把自己缩成一团（像猫一样）加速旋转，然后稳稳落地。
跳上桌子：它能自己看到桌子，加速冲过去，跳上一米高的桌子，开过去，再跳下来。

4. 它是如何思考的？（大脑与控制）

大脑（AI）：它的大脑是一个经过大量训练的神经网络。它不需要人类写代码告诉它“现在向左转 5 度”，它只需要一个目标（比如“跳到那个桌子上”），它自己就会计算出如何甩动身体、何时起跳。
零样本迁移（Zero-shot transfer）：这是最神奇的地方。它在电脑里训练好，直接搬到真机上就能用，不需要重新学习。就像你在模拟器里练熟了赛车，直接开真车也能跑。
安全机制：为了防止它把自己摔坏，系统设定了“硬约束”。比如，如果它发现落地速度太快会摔坏腿，或者电机要烧了，它会立刻停止这次尝试。这就像教孩子骑车，先让他戴护具，慢慢增加难度。

5. 为什么这很重要？（未来应用）

现在的机器人要么跑得快但怕障碍，要么能过障碍但跑不快。UMV 打破了这个界限：

速度快：最高能跑到 8 米/秒（约 29 公里/小时），比很多四足机器人快。
灵活：能跳过 1 米高的障碍物（相当于它身高的 1.3 倍）。
轻便：因为它结构简单，制造成本低，维护也容易。

总结来说：
UMV 就像是一个**“会思考的自行车运动员”。它证明了，不需要长得像人或者像狗，只要设计得当，加上聪明的 AI，一个简单的自行车结构也能拥有惊人的运动能力。未来，这种机器人可能成为城市快递员**（在拥挤的街道和台阶间穿梭），或者探险家（在崎岖的野外快速移动）。

一句话概括：这是一个用“甩动身体”代替“长多条腿”的机器人，它用 AI 学会了像杂技演员一样在自行车上跳舞、跳跃和翻跟头。

这是一份关于《超机动车辆（UMV）：一种驾驶、平衡与跳跃的自行车机器人系统设计与控制》论文的详细技术总结。

1. 研究背景与问题 (Problem)

在复杂地形（如城市街道和山地小径）中，机器人面临着敏捷性与高效性之间的权衡：

足式机器人（如双足或四足）：擅长跨越垂直障碍和复杂地形，但通常自由度（DoF）多（通常 12 个以上），导致质量大、制造成本高、计算复杂且机械故障风险高。
轮式机器人：在平滑路面上速度快、能效高，但难以跨越障碍。
轮腿混合机器人：虽然结合了两者优点，但通常采用多轮配置（多轮并列），导致 footprint 宽、结构复杂，且在狭窄空间机动性受限。

核心挑战：如何设计一种具有最少驱动自由度的机器人，既能像自行车一样高效快速，又能像运动员（如极限自行车手）一样具备动态平衡、跳跃和特技动作的能力，从而在保持高能效的同时实现高敏捷性。

2. 方法论 (Methodology)

A. 系统设计与形态优化 (System Design & Morphology)

形态创新：UMV 采用单轨自行车形态，结合了自行车车架与一个可动的“反应质量”（Reaction Mass）。
结构组成：
- 三个主要连杆：头部（Head）、颈部（Neck）和自行车（Bike）。
- 驱动自由度 (5 DoF)：
  - 自行车部分：转向（Steering）和后轮驱动（Rear-wheel drive）。
  - 头部部分：3 个自由度（ $q_h, q_l, q_r$ ），通过空间连杆机构（颈部 + 两根拉杆）驱动头部相对于自行车运动。
- 质量分布策略：将电池、计算单元和跳跃执行器集中在头部，并通过空间连杆将其“远程化”。这种设计利用了质量重新分布来最大化跳跃高度，同时保持低转动惯量。
硬件实现：
- 重量：23.5 kg，蹲伏高度 0.8 m。
- 材料：7075-T6 铝合金框架，碳纤维增强聚合物（CFRP）防滚架，镁合金结构件。
- 执行器：永磁同步电机（PMSM）配合行星减速器和同步带传动。头部执行器通过耦合实现空间运动。
- 电源：高功率锂离子电池组，支持峰值 4.5 kW 的功率输出（跳跃瞬间）。

B. 控制与学习框架 (Control & Learning Framework)

强化学习 (RL)：采用约束强化学习 (Constrained RL) 框架，基于 Proximal Policy Optimization (PPO) 算法。
训练策略：
- Sim-to-Real (零样本迁移)：在 Isaac Lab 仿真环境中训练，通过广泛的域随机化（质量、摩擦、电机参数、传感器噪声等）确保策略直接迁移到真机，无需额外微调。
- 约束处理：将物理限制（如关节限位、最大电流、落地速度）作为硬约束。一旦违反，直接终止 episode，迫使智能体学习安全行为。
- 奖励函数设计：包含任务奖励（如速度跟踪、到达目标）、风格奖励（如身体姿态）和正则化奖励（如平滑度、能耗）。
状态估计：
- 融合惯性测量单元 (IMU) 和运动捕捉系统（实验室环境）或 LiDAR-惯性里程计（野外环境）。
- 使用因子图优化 (Factor Graph Optimization) 融合高频 IMU 数据和低频运动捕捉数据，提供低延迟、高精度的位姿和速度估计。

C. 优化过程

跳跃优化：以最大化垂直跳跃高度和最小化接触时间（接触比）为目标，通过仿真优化连杆拓扑结构和质量分布。
单轮平衡优化：引入一个额外的非矢面（out-of-plane）自由度，通过计算系统的可控性（Controllability）来优化连杆角度，使机器人能在单轮上保持动态平衡（类似独轮车）。

3. 主要贡献 (Key Contributions)

新型运动机器人形态：提出了一种基于自行车的、具有 5 个驱动自由度的机器人形态。通过空间连杆和反应质量设计，实现了无需辅助稳定装置（如陀螺仪或支架）的动态平衡和高敏捷性。
统一的强化学习框架：开发了一套统一的控制策略，能够零样本迁移多种截然不同的运动技能，包括：
- 原地平衡（Track-stand）
- 原地转向（Shimmy-turn）
- 后轮骑行（Wheelies）与后轮跳跃（Hopping）
- 前空翻（Front flips）
- 高台跳跃（Table jumps）
实验验证与性能突破：
- 实现了8 m/s的高速自主行驶。
- 能够跳跃并跨越高达1 米的障碍物（约为机器人自身高度的 130%）。
- 展示了复杂的动态特技，如前空翻（利用身体团身减少转动惯量以加速旋转）和单轮侧向跳跃。

4. 实验结果 (Results)

速度与能效：UMV 在平坦地形上的最高速度达到 8 m/s，优于大多数标准四足机器人，与轮腿混合机器人（如 ANYmal on Wheels）相当，但结构更简单。
跳跃能力：
- 能够自主定位并跳上 1 米高的平台，并在平台上行驶后跳下。
- 跳跃瞬间功率峰值达 4.5 kW，导致电压暂降，但系统通过电池管理系统（BMS）和再生制动钳位成功应对。
- 在 15 次连续跳跃中表现出高度的轨迹重复性。
特技动作：
- 前空翻：机器人起飞后主动团身，将俯仰角速度提升至约 17 rad/s，完成旋转后稳定落地并恢复行驶，未触碰关节限位。
- 单轮平衡：在静止或低速下，通过头部质量块的横向摆动实现单轮平衡，甚至能进行原地“摇摆转向”（Shimmy-turn）。
鲁棒性：策略在仿真中经过大量随机化训练，直接部署到真机后，能够抵抗扰动并适应不同的地形。

5. 意义与展望 (Significance)

性能包络的扩展：UMV 证明了将欠驱动硬件（低自由度自行车）与高带宽数据驱动控制（RL）相结合，可以打破传统轮式与足式机器人的性能界限。它兼具轮式机器人的能效/速度优势和足式机器人的敏捷/越障能力。
应用前景：这种形态特别适合城市快递服务（狭窄空间、高速度）和长距离野外侦察（崎岖地形、高能效）。
技术启示：
- 展示了“计算即机械”的理念：通过算法解锁机械结构的独特潜力，而非依赖复杂的机械结构。
- 证明了无需反应轮或辅助支撑结构，仅靠动量守恒和质心操控即可实现复杂的动态平衡。
未来工作：计划改进硬件以增强防水防尘能力，开发自复位功能，并进一步缩小 Sim-to-Real 差距，实现完全自主的野外感知与导航。

总结：UMV 是一个里程碑式的项目，它通过创新的机械设计和先进的强化学习控制，成功创造了一个既快又灵活、既能跑又能跳的自行车机器人，为下一代动态移动机器人的发展提供了新的范式。