FORGE以无腕部力传感器方案协调人形机器人行走与操作
预印本FORGE提出统一的人形机器人控制器,覆盖行走、落脚点、腕部姿态和无传感器接触反馈。每种控制器各进行20次真机试验,FORGE的腕部平均位置误差为4.15 cm,SONIC为6.42 cm。结果显示,该方案有望为遥操作和学习式操作提供更精确的全身执行层。
不依赖人体全身动作参考和腕部力及力矩传感器,能否用一个控制器同时实现稳定行走、精确任务空间控制和持续接触适应?
人形机器人操作物体时,手臂、站姿、平衡和接触载荷必须协同调整。密集动作跟踪难以直接提供精确的足部和腕部目标控制,刚性位置跟踪又可能挤压物体。关节信号同时受到摩擦、执行器误差和全身运动影响,使接触力难以单独辨识。
动作参考策略依赖密集的全身示范。HOMIE等将行走与上身控制分开的系统有利于保持行走稳定,但限制了任务所需的全身协同。SoFTA采用慢速行走与快速上身控制的分工。UniFP从本体感觉历史估计外力,再补偿位置目标,但模型和执行器误差仍会影响无传感器估计。
FORGE对未启用的导航、站姿、腕部姿态和可选力指令同时屏蔽观测与奖励。两层Transformer处理6帧观测历史,并与适应编码器结合。动量观测器根据手臂状态和重建的PD力矩提供初步估计,学习模块利用仿真接触力监督补偿误差。估计结果用于调整虚拟腕部目标,而非直接输出力矩。冻结的行走策略提供基础步态,受限的下身残差与上身动作共同形成29维动作。控制频率为50 Hz,训练采用2,048个并行环境,每个训练阶段最多进行20,000次PPO更新,不使用人体全身动作参考。
每种控制器各进行20次真机试验,从指令发送到末端抵达目标的延迟分别为FORGE 22 ms、HOMIE 27 ms、TWIST2 197 ms、SONIC 252 ms。足部/腕部平均位置误差分别为FORGE 5.42/4.15 cm、TWIST2 7.87/7.76 cm、SONIC 7.35/6.42 cm;HOMIE缺少相应目标接口,未作此项比较。另一次刚性箱体仿真采用相同腕部目标,挤压力分别为FORGE 8.52 N、HOMIE 15.48 N、TWIST2 17.16 N、SONIC 15.32 N。G1力估计试验对0、5、10、15、20 N各级载荷分别重复10次。代表性轨迹的x/y/z轴力RMSE为混合估计器0.81/1.97/0.87 N、仅观测器2.83/5.15/3.02 N、仅学习估计器2.43/2.23/2.88 N。泡沫箱提举中,启用反馈后可见变形较小,但没有定量变形指标。单个Diffusion Policy使用每种载荷80条、合计320条示范训练,空箱、0.5 kg、1 kg、2 kg箱体的真机搬运成功次数分别为20/20、20/20、18/20、18/20,对应100%、100%、90%、90%。
真机证据限于G1及已测试任务。估计器针对低频、准静态的腕部等效平移力,不提供接触力矩测量或动态阻抗控制,也无法独立区分手臂其他部位的接触。未用于训练的35/40/50 N垂直载荷下,混合估计器RMSE增至8.28/9.66/12.35 N。搬运测试每种载荷仅20次,没有其他全身执行控制器基线。泡沫箱保护效果仅凭外观判断。代码是否公开及训练耗时,论文未报告。
人形机器人厂商、仓储及工业搬运系统团队目前可将其作为研究原型,用于遥操作、示范采集和视觉操作规划器下游的全身执行。商业应用前,需要扩大物体、接触方式和工况覆盖,并量化损伤与运行可靠性。商业部署时间表,论文未报告。
受许可协议限制,本站不转载该论文全文,仅提供摘要和原文链接。