💻 computer science

Unleashing the Agility of Wheeled-Legged Robots for High-Dynamic Reflexive Obstacle Evasion

本文介绍了 AWARE，这是一种分层强化学习框架，它通过自然地利用轮腿机器人的混合形态来生成多样化的涌现步态和规避行为，从而使轮腿机器人能够实现鲁棒、高动态的反射式障碍物规避。

原作者： Yongen Zhao (School of Mechanical Engineering, Tianjin University, Tianjin, China, Beijing Zhongguancun Academy, Beijing, China), Zihao Xu (School of Computing, National University of Singapore, Singa

发布于 2026-04-28

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Yongen Zhao (School of Mechanical Engineering, Tianjin University, Tianjin, China, Beijing Zhongguancun Academy, Beijing, China), Zihao Xu (School of Computing, National University of Singapore, Singapore), Wenzhi Lu (School of Mechanical Engineering, Tianjin University, Tianjin, China), Zhen Chu (DeepRobotics, Hangzhou, China), Ce Hao (School of Computing, National University of Singapore, Singapore, Beijing Zhongguancun Academy, Beijing, China)

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

想象一种既是汽车又是狗的机器人。它拥有轮子，能在平坦地面上平稳高效地滚动；同时它也拥有腿，可以跨过障碍或跳跃。这种“轮腿式”机器人是穿梭于繁忙城市或杂乱工厂的理想选择，但它面临一个棘手的问题：当有物体快速向你袭来时，如何在不摔倒的情况下停下或躲避？

传统机器人要么是纯轮式（无法跳跃），要么是纯腿式（速度慢且能耗高）。本文介绍了一种名为AWARE（自适应轮腿式避障与反射性闪避）的新系统，它教会这种混合机器人如何像人类躲避飞来的球一样，对危险做出即时反应。

以下是论文如何用简单的类比来解释这一系统：

1. 问题：“双脑”困境

将机器人想象成拥有两种不同的“人格”：

巡航者：当环境平静时，它像汽车一样平稳滚动。它高效且稳定。
短跑手：当危险来袭时，它需要像短跑狗一样，瞬间跳跃或猛冲。

问题在于这两种模式截然不同。如果强行让汽车去跳跃，它会损坏；如果让狗去驾驶，则效率低下。以往的方法试图用复杂的数学公式实时计算每一步动作，但这对于机器人的计算机来说过于缓慢且负担过重。

2. 解决方案：一名“交警”与两名“专家”

作者构建了一个分层系统（一名主管和两名执行者）来解决这一问题：

主管（高层策略）：这就是“交警”。它观察障碍物（它来得快吗？离得近吗？），并决定：“我们只需要绕行，还是需要紧急闪避？”
- 如果威胁较低，它指示机器人保持巡航。
- 如果威胁很高（例如有人向它脸上扔球），它会立即将机器人切换到“恐慌模式”。
专家（底层专家）：机器人拥有两个预先训练好的“肌肉记忆”（神经网络）：
- 平稳驾驶员：擅长温和的转向和行走。
- 敏捷运动员：擅长爆发式跳跃、向前猛冲和侧向闪避。

“交警”只需切换开关，选择由哪位专家接管控制权。这使得决策变得极其迅速。

3. 机器人实际做了什么

论文在虚拟世界（Isaac Lab）中测试了该系统，随后在名为M20的真实机器人上进行了验证。研究人员向它投掷箱子、用棍子戳它，甚至让人类踢它，以模拟危险情境。

机器人学会了一些令人惊叹的本能动作：

向前猛冲：如果有物体径直朝它袭来，它不会仅仅转向，而是像鲨鱼攻击猎物一样向前猛冲。
侧向闪避：如果有物体从侧面袭来，它会向侧面跳跃，几乎像拳击手躲避拳头一样。
刹车锁定：当快速滚动并需要急停时，它学会锁定轮子（像汽车打滑但受控），从而瞬间停下而不翻倒。

4. 结果：速度与生存

论文声称，该系统优于旧方法：

成功率：与其他试图使用复杂数学或仅依靠腿部跳跃的机器人相比，它成功躲避快速移动障碍物的频率要高得多。
效率：它并非随机跳跃，而是选择最高效的动作。有时它选择滚开，有时选择迈步，有时选择跳跃，具体取决于情境。
现实世界验证：当将其部署到真实的 M20 机器人上时，它成功抵御了被戳、被踢和被投掷箱子撞击。虽然并非完美（在最严苛的现实世界测试中成功率约为 59%），但它证明了机器人能够在不摔倒的情况下对危险做出物理反应。

一句话总结

这篇论文表明，通过赋予轮腿式机器人一名“交警”来在“巡航者”和“运动员”之间做出抉择，机器人能够以反射般的速度和体操运动员般的敏捷性，对快速移动的危险做出反应。它将一个复杂的工程问题转化为一个简单的选择：巡航还是闪避？ 而且速度快到足以让机器人在混乱的环境中经受住戳、踢等攻击而不倒下。

以下是 Zhao 等人论文《释放轮腿式机器人的敏捷性以实现高动态反射式避障》的详细技术总结。

1. 问题陈述

轮腿式机器人结合了轮子的能效优势与腿部的地形适应能力，使其成为复杂环境的理想选择。然而，实现高动态反射式避障（快速规避快速移动的威胁）仍然是一个重大挑战，原因包括：

混合形态：滚动与步进动力学的耦合产生了复杂的控制问题。
非完整约束：与纯足式系统相比，轮子施加的约束限制了瞬时方向改变的能力。
计算延迟：传统的基于优化的方法（如模型预测控制）难以应对实时、爆发性机动所需的高维状态空间和全身运动学。
模式混淆：现有框架往往无法在高效的高速滚动与激进的避障机动之间无缝切换，导致不稳定或碰撞。

2. 方法论：AWARE 框架

作者提出了AWARE（自适应轮腿避障与反射式规避），这是一个分层强化学习（RL）框架，旨在将威胁评估与运动执行解耦。

A. 分层架构

系统由两个不同的模块组成：

高层避障策略（规划器）：
- 输入：机器人本体感知、障碍物状态（位置、速度、半径）以及计算得出的相对接近率（RAR）（ $\kappa$ ），用于量化威胁等级。
- 功能：生成期望的速度指令（ $v_{cmd}$ ），并通过 Gumbel-Softmax 分布显式选择避障模式。
- 输出：一个独热向量，将指令路由到两个低层专家中的一个。
低层双模态运动控制器（执行器）：
- 专家 1（ $\pi_{low}$ ）：一个低速全向网络，针对非紧急场景下的精确跟踪和平滑导航进行训练。它自然地涌现出滚动、步进和混合步态。
- 专家 2（ $\pi_{high}$ ）：一个高动态敏捷网络，针对极端机动（高加速、制动和跳跃）进行训练。它专注于激进的向前猛冲和横向躲避。
- 路由：高层策略根据威胁等级，确定性地将指令路由至 $\pi_{low}$ 或 $\pi_{high}$ 。

B. 两阶段训练范式

该框架利用 Isaac Lab 仿真器中的解耦训练流程：

阶段 1：低层专家预训练：
- $\pi_{low}$ 在低速全向指令上进行训练。
- $\pi_{high}$ 在极端避障任务上进行训练，包括高加速启动和快速制动（利用历史指令序列学习减速逻辑）。
阶段 2：高层课程学习：
- 在低层专家冻结的情况下训练高层策略。
- 课程：根据成功率逐步增加障碍物速度。
- 奖励函数：旨在最大化任务成功率（带安全裕度的避障），同时惩罚误报（不必要的避障）、跟踪误差和能量低效。

C. 仿真到现实的迁移

为了在物理 M20 轮腿机器人上部署，作者采用了结构化的域随机化（论文表 II），涵盖：

障碍物距离和速度。
机器人基座初始化（位置、朝向）。
执行器增益（刚度/阻尼）和外部干扰。
身体参数（质量、惯性、摩擦）。

3. 主要贡献

高动态避障的构建：定义了轮腿式机器人的反射式避障问题，解决了高速下非完整约束的独特挑战。
分层解耦：提出了一种将威胁感知决策与双模态执行分离的框架，有效缓解了导航与避障之间的“模式混淆”。
涌现行为：证明了该系统能够自然学习到 distinct、行为分离的步态，包括向前猛冲（基于滚动）和横向躲避（基于步进），这些与标准导航步态截然不同。
现实世界验证：成功在物理机器人上部署该系统，以应对动态威胁（投掷盒子、戳刺棍棒、人类踢腿）。

4. 实验结果

仿真结果（Isaac Lab）

性能：AWARE 在**避障成功率（ASR）和避障机动距离（AMD）**方面显著优于基线方法（REBot 和 RB-MPC），特别是在反应时间短（<1 秒）的情况下。
步态分析：t-SNE 可视化证实，该系统学习到了低速步态（步进、滚动、混合）和高速避障模式（向前猛冲、横向躲避）的 distinct 聚类。
消融研究：移除双模态架构会导致严重的模式混淆和平衡失败。移除课程学习会导致收敛变慢。
动态指标：滚动模式表现出优于步进模式的瞬态逃逸加速度（TEA）（4.13 m/s²）和扭矩归一化加速度（TNA），证明滚动对于爆发性启动更为有效。

现实世界部署（M20 平台）

场景：测试了来自不同角度的投掷盒子、戳刺棍棒和人类脚踢。
性能：实现了平均 59% 的 ASR 和 1.1 米的 AMD。
观察：机器人成功在平滑导航和反射式避障之间切换。虽然成功率低于仿真（受限于硬件性能和仿真到现实的差距），但该系统展示了鲁棒的实时反应能力。

5. 意义

这项工作填补了机器人领域的关键空白，使轮腿式系统能够在密集、不可预测、以人为中心的环境中安全运行。

敏捷性：它证明了轮腿式机器人可以利用其混合特性，执行纯轮式或纯足式系统难以高效执行的爆发性机动。
安全性：通过将反射式避障与导航集成，该框架为在动态环境（如城市配送或工业巡检，其中快速移动的障碍物很常见）中部署移动机器人提供了一条可行路径。
方法学进步：结合课程学习的分层强化学习方法，为训练复杂的多模态运动策略提供了一个可扩展的蓝图，无需依赖计算昂贵的优化求解器。