💻 computer science

Articulated-Body Dynamics Network: Dynamics-Grounded Prior for Robot Learning

本文提出了一种基于正向动力学计算结构的图神经网络架构 ABD-Net，通过模拟惯性传播机制将动力学先验嵌入策略网络，显著提升了机器人策略学习的样本效率、泛化能力，并成功在 Unitree G1 人形和 Go2 四足机器人上实现了从仿真到现实的动态鲁棒运动控制。

原作者： Sangwoo Shin, Kunzhao Ren, Xiaobin Xiong, Josiah Hanna

发布于 2026-03-20

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Sangwoo Shin, Kunzhao Ren, Xiaobin Xiong, Josiah Hanna

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

这篇论文介绍了一种名为 ABD-NET 的新方法，它让机器人学走路、跑步和跳舞变得更聪明、更快速。

为了让你更容易理解，我们可以把机器人想象成一个正在学习杂技的“身体”，而 ABD-NET 就是给这个身体装上的一个**“超级直觉大脑”**。

1. 以前的机器人是怎么学习的？（像背单词的学生）

在以前的强化学习（RL）中，机器人就像是一个死记硬背的学生。

方法：它通过成千上万次的试错来学习。比如，它想抬起腿，就随机动一下，如果摔倒了，就记住“下次别这么动”；如果走稳了，就记住“下次这么动”。
问题：这种方法效率很低。而且，如果机器人的身体变重了（比如背了个书包），或者地面变滑了，它之前背的“死知识”就不管用了，必须重新从头学起。
现有的改进：有些新方法（如图神经网络 GNN）告诉机器人：“你的腿和身体是连着的，它们应该互相交流信息。”但这就像只告诉学生“同学之间要传纸条”，至于纸条上写什么、怎么传递，还是得靠机器人自己去猜，没有物理规律做指导。

2. ABD-NET 是怎么做的？（像懂物理的杂技演员）

这篇论文的作者认为，机器人身体里其实藏着物理定律。

核心灵感：他们参考了机器人学里一个经典的算法，叫“连杆体算法”（Articulated Body Algorithm）。这个算法原本是用来计算：如果你推一下机器人的脚，这股力量会怎么顺着腿、传到膝盖、再传到屁股，最后影响整个身体的运动。
ABD-NET 的魔法：
- 它不再让机器人从零开始猜“力量怎么传递”。
- 它把**“力量传递的物理结构”**直接写进了机器人的大脑（神经网络）里。
- 比喻：想象机器人是一个多米诺骨牌塔。以前的方法让机器人自己去猜哪块骨牌倒了会推倒哪一块。而 ABD-NET 直接告诉机器人：“记住，骨牌是从下往上倒的，下面的倒了，上面的才会动。”
- 它让机器人从脚（子节点）向头（父节点）传递信息，就像真实的物理惯性一样。虽然它不直接计算复杂的物理公式（因为那太慢且太死板），但它模仿了物理公式的“骨架”，让机器人学会用“物理直觉”去思考。

3. 这个“超级直觉”带来了什么好处？

A. 学得更快（样本效率更高）

比喻：就像教一个懂物理原理的学生学骑车，他只需要试几次就能掌握平衡；而教一个不懂物理的学生，他可能摔几百次还在摇摇晃晃。
结果：在电脑模拟中，ABD-NET 只需要很少的练习次数，就能学会像人一样走路、像狗一样奔跑，比以前的方法快得多。

B. 适应力更强（鲁棒性）

比喻：如果突然给机器人背上一个很重的书包（改变了身体质量），以前的机器人会立刻摔倒，因为它只记得“轻的时候怎么动”。但 ABD-NET 机器人因为懂“惯性传递”的原理，它会想：“哦，现在下面变重了，所以我得用更大的力气去推上面的部分。”
结果：即使机器人的身体变重了，或者地面变滑了，它依然能稳稳地走，不需要重新训练。

C. 真的能上真机（Sim-to-Real）

成果：作者不仅在电脑里测试，还把这套大脑装到了真实的宇树（Unitree）G1 人形机器人和Go2 四足机器人上。
表现：这些真机器人在真实的地面（草地、瓷砖、泥土）上，不仅能快速行走，还能跟着音乐跳复杂的舞蹈，而且反应速度极快（实时运行），完全没有“水土不服”。

4. 总结

简单来说，这篇论文做了一件很酷的事：
它没有教机器人“死记硬背”动作，而是教机器人理解身体运动的“物理逻辑”。

以前：机器人是**“盲目试错”**的笨小孩。
现在：ABD-NET 让机器人变成了**“懂物理原理”**的聪明学徒。

这让机器人学东西更快、更稳，哪怕环境变了，它也能凭借“物理直觉”迅速调整，真正实现了从虚拟训练到现实世界的完美跨越。

论文技术总结：基于关节体动力学网络的机器人学习先验 (Articulated-Body Dynamics Network)

1. 研究背景与问题 (Problem)

在机器人强化学习（RL）中，将结构先验（如连杆连接关系）融入策略网络已被证明能提高学习效率。然而，现有的方法（如图神经网络 GNN 和 Transformer）主要利用空间结构（即哪些组件相连）来定义信息流，而忽略了动力学属性（即力和运动如何在身体中传播）。

核心痛点：现有的策略网络通常从零开始学习特征如何聚合和转换，缺乏物理语义。对于关节体系统（Articulated Systems），惯性量从子连杆向父连杆传播的机制（由正向动力学决定）是系统运动的核心，但这一结构尚未被有效地作为归纳偏置（Inductive Bias）嵌入到策略网络中。
研究问题：能否将正向动力学（Forward Dynamics）的计算结构直接嵌入策略架构，作为学习控制策略的有效归纳偏置？

2. 方法论 (Methodology)

作者提出了关节体动力学网络 (ABD-NET)，这是一种基于图神经网络（GNN）的新型架构，其核心思想是将Articulated Body Algorithm (ABA) 的计算结构嵌入到策略 Actor 网络中，用可学习参数替代物理量。

2.1 架构设计

ABD-NET 包含三个模块：

连杆级观测编码 (Link-wise Observation Encoding)：将全局观测 $s$ 映射为每个连杆的独立嵌入向量 $\{z_i\}$ 。
动力学感知消息传递 (Dynamics-Informed Message Passing)：
- 自底向上传播：模仿 ABA 算法，消息仅从子节点（Child）向父节点（Parent）聚合，模拟惯性量的累积过程。
- 可学习参数化：
  - 用可学习的基特征 $B_i$ 模拟刚性体惯性 $I_i$ 。
  - 用可学习的运动基 $W_j$ 模拟关节运动子空间 $S_j$ 。
- 贡献计算：子节点 $j$ 对父节点的贡献 $v^a_j$ 通过投影机制计算，模拟 ABA 中去除关节允许方向惯性的过程：
  $v^a_j = v_j - v_j \odot (W_j W_j^\top v_j)$
  其中 $\odot$ 为逐元素乘法。
- 正交约束：为了数值稳定性并模拟物理约束，引入辅助损失函数 $L_{orth}$ ，强制 $W_j$ 满足正交性近似，确保投影结构的物理一致性。
动作解码 (Action Decoding)：利用父连杆的聚合表示 $v_{PA(j)}$ 来生成关节 $j$ 的控制动作。

2.2 训练策略

采用无模型强化学习（Model-free RL），直接嵌入到 Actor 网络中，而非作为模型预测器。
使用 PPO 算法进行训练，并将正交约束损失加入总目标函数。

3. 主要贡献 (Key Contributions)

提出 ABD-NET 架构：首个将正向动力学计算结构（特别是惯性传播机制）直接嵌入策略 Actor 的图神经网络，为策略学习提供了基于动力学的归纳偏置。
高效的动力学重构：重新表述了正向动力学中的惯性传播公式，避免了昂贵的矩阵求逆运算，实现了计算高效的训练。
广泛的实证验证：
- 在多种形态（人形、四足、单足）和任务上，证明了 ABD-NET 在样本效率、动力学变化下的鲁棒性（泛化性）以及计算效率上均优于 Transformer 和传统 GNN 基线。
- 成功实现了从仿真到现实（Sim-to-Real）的迁移，在 Unitree G1（人形）和 Go2（四足）机器人上进行了实时部署。

4. 实验结果 (Results)

4.1 仿真性能

样本效率：在 Genesis 和 SAPIEN 仿真器中，ABD-NET 的收敛速度显著快于基线（BOT, SWAT, GNN, MLP）。在复杂动态任务（如人形行走、单足跳跃）中优势尤为明显。
动力学泛化（质量变化）：在机器人基础质量增加 1.5-2.0 倍的压力测试中，ABD-NET 表现出极强的鲁棒性。例如，在 Hopper 跳跃任务中，当质量加倍导致身体倾斜时，ABD-NET 能生成足够的纠正力矩恢复平衡，而基线方法（如 SWAT）往往失败。平均性能保留率比最强基线高出 23.9%。
表征学习：可视化显示，ABD-NET 学习到的连杆表示能够捕捉到物理上 meaningful 的关系（如对角腿在 trot 步态中的同步振荡）。

4.2 计算效率

尽管 ABD-NET 采用自底向上的顺序计算，其 FLOPs 比 Transformer 基线低 3 倍，且推理速度更快（在 RTX 4090 上，Batch Size 2048 时）。
在真实机器人上的推理延迟小于 5ms，满足 50Hz 控制频率的要求。

4.3 真实世界部署 (Sim-to-Real)

在 Unitree Go2 和 G1 机器人上成功实现了多地形（沥青、草地、瓷砖等）的速度跟踪、横向行走及动态舞蹈动作。
验证了该架构能够处理现实世界的动力学差异，并支持实时机载推理。

5. 意义与影响 (Significance)

理论创新：打破了传统 GNN 仅利用拓扑连接关系的局限，首次将动力学传播机制作为归纳偏置引入策略网络，证明了物理计算结构对强化学习的高效性。
工程价值：提供了一种既高效又鲁棒的机器人控制架构，特别适用于需要快速适应动力学变化（如负载变化、地形变化）的复杂机器人系统。
未来方向：该工作为结合模型基于 RL（Model-based RL）和视觉输入（Image-based）的扩展奠定了基础，展示了物理先验在通用机器人智能中的巨大潜力。

总结：ABD-NET 通过模仿自然界中惯性传播的物理规律来构建神经网络，不仅让机器人“学得更快”，还使其在物理环境发生变化时“适应得更稳”，是机器人强化学习领域向物理感知架构迈进的重要一步。