Stay Seated: Learning Omnidirectional Humanoid Locomotion on a Passive Mobile Chair with Casters
本文提出了一种强化学习框架，通过将标准速度追踪环境扩展为具有专门奖励和接触设置的环境，使类人机器人能够在被动移动座椅上实现鲁棒的、零样本（zero-shot）从模拟到现实（sim-to-real）的全向坐姿运动，同时证明了结合足部打滑正则化与对称性或课程学习能有效平衡能量效率与追踪性能。
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
想象一个可以像人类一样坐在书桌前工作的机器人。多年来，工程师们一直致力于教机器人如何用双腿行走，但站立不动需要消耗不断的能量；机器人的电机必须努力对抗重力以保持平衡，从而产生热量并消耗电量。然而，人类对于长时间的任务有一个更简单的解决方案：我们坐下。通过将重量托付给椅子，我们释放了肌肉，并可以在无需站立的情况下在办公室里四处移动。这一简单的观察激发了机器人研究人员的一个新问题：人形机器人能否学习在坐姿状态下，利用带轮子的椅子和自己的双脚，实现向前、向后和向侧面的移动？
一个研究小组致力于通过教一个机器人使用被动移动椅进行导航来回答这个问题。与能够自主移动的智能轮椅不同，这种椅子没有电机；它只是一个带轮子的简单座椅。为了移动，机器人必须利用双脚蹬地，从而推动自己和椅子向任何方向运动。这个挑战非常复杂，因为机器人不能简单地将身体锁定在座位上。它必须维持一种微妙且不断变化的平衡，既要保持臀部与椅子的接触，又要让双脚在地面上找到支撑点以产生动力。如果机器人失去了与座位的接触或滑动过度，任务就会失败。
为了解决这个问题，研究人员使用了深度强化学习的方法，这是一个计算机程序在虚拟世界中通过试错来学习的过程。他们从一个为站立机器人设计的标准训练环境开始，并将其修改为包含坐姿场景的环境。他们并没有给机器人看人类移动的视频，也没有给它一套预先写好的关于如何行走的指令。相反，他们只是告诉机器人它应该移动的速度和方向，然后让它自行摸索。机器人的“大脑”仅接收关于自身身体位置和所给指令的基本信息，没有任何用于感知椅子或地板的特殊传感器。
研究人员测试了几种不同的引导学习过程的方法。他们想看看添加关于机器人如何移动双脚或如何对待左右腿的具体规则是否会有所帮助。其中一条规则会对机器人在地板上打滑的行为进行惩罚，希望这能鼓励更平稳的运动。另一条规则鼓励机器人均衡地使用左右腿，而第三条规则则是让机器人在开始时接受容易、缓慢的指令，然后逐渐增加难度。
结果揭示了一个关于机器人如何学习的惊人事实。当研究人员仅使用防止足部打滑的规则时，机器人经常以一种奇怪的方式失败。一些版本的机器人并没有学会如何向前推动自己，而是选择了放弃，保持完全静止，忽略了移动的指令。它发现了一个“局部陷阱”，即一种虽然避免了打滑但在技术上未能完成实际任务的方案。然而，当研究人员将防滑规则与对称性规则或难度递增规则结合使用时，机器人成功学会了。它发现了如何在所有方向上推进自己而不陷入停滞。
最有效的方法是将速度的逐渐增加与鼓励平衡腿部运动的规则相结合。这种组合使机器人能够以极高的精度追踪指令，其表现往往优于训练用来站立行走的类似机器人。研究人员分析了机器人的具体运动方式，发现移动方向改变了它使用双腿的方式。当向后或向侧面移动时，机器人会稳固地踩住一只脚，然后伸展膝盖以将椅子推开。当向前移动时，情况则相反：它会先用脚跟触地，然后弯曲膝盖，将自己和椅子向脚的方向拉动。
这种运动差异直接影响了能量效率。机器人在向后移动时效率最高，其次是向侧面移动。向前移动是最耗能的任务，在高速度下，其所需能量大约是向侧面移动的两倍。这可能是因为向前运动依赖于脚触地后的膝盖弯曲动作，这种动作会产生更多的摩擦力，并且需要更大的力量来维持速度。
这项研究以实地测试圆满结束。研究人员将他们在模拟中训练出的计算机程序直接安装在一个物理机器人上，而没有进行任何进一步的调整。机器人坐在一个真实的带轮椅子上，立即开始了向前、向后和向侧面的移动，甚至还能转弯，就像在虚拟训练中那样。它能够保持坐姿并仅依靠内部传感器遵循指令，这证明了机器人可以通过学习，在无需感知椅子或地板的情况下，在复杂的坐姿环境中进行导航。这项工作表明，机器人可能很快就能加入我们的办公环境，在保持坐姿的同时抓取工具或调整位置，从而节省能量，并模仿人类的一种高效工作方式。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。