无臂四足机器人推动叠放箱体，SOMA仿真成功率90.1%并零样本迁移到宇树Go1
研究人员在10月14日发布的预印本中表示，一台没有机械臂的宇树Go1四足机器人学会了边压低机身边推动两层叠放的箱子，把它们送到距目标5厘米、5度以内的位置。仿真中底箱8公斤、边长0.4米的组合成功率达90.1%，上层箱子掉落的比例仅1.0%。训练在一台工作站上约需1小时20分钟，此前最佳方法报告为15小时。
没有机械臂的足式机器人能否用全身把未固定的重物堆精确推到目标位姿，同时不让上层物体滑落或倾倒。
四足机器人善于行走却没有手。加装机械臂会增加重量和宽度并降低负载。用身体推适合重物，但以往的推动控制器把机身高度固定，只能做平面推动，基于优化的规划器还需要物体和地面的精确模型。
把腿当手用的研究处理过开门、按开关和轻物，但通常保持机身静止。背负机械臂的四足系统可以抓取，却牺牲了占地和负载。用于全身推动的分层强化学习（Jeon等，2024）只能在固定高度推单个物体，训练约需15小时。
SOMA把控制分为两层。约10万参数的50Hz行走策略跟踪速度、转向和0.1至0.3米之间的机身高度指令，10Hz操作策略负责下达这些指令。两者都用能记住近期历史的S5状态空间序列编码器，从箱子的反应中推断质量和摩擦。操作策略从Beta分布采样指令，无需截断即可保持在物理限值内。训练分行走、单箱、两层箱三个阶段，箱子尺寸在0.35至0.45米、质量在6至10公斤、地面摩擦在0.3至1.5之间随机变化。
仿真中，超出训练范围的12公斤单箱在中等尺寸下成功率约90%，高而窄的箱子为82%。多尺寸训练在4公斤轻箱上比单一尺寸基线高22.9至27.2个百分点。两层箱九种组合的成功率在71.4%至90.1%之间，堆垛失败率0.2%至12.1%，小而轻的0.3米箱子最差。在真实Go1上，借助动作捕捉提供位姿，策略无需微调即可运行；最难的两层配置四次试验中，位置误差约18秒内由约2米降到0.05米以下，推动时机身高度由约0.22米降到0.12米。
这是预印本，正文未写明作者单位。实机部分列出五种配置、只绘出一种，没有成功率表。位姿来自八台相机的OptiTrack系统而非机载传感器，尚不能在实验室外使用。负载为平地上4至12公斤、最多两层。
使用宇树、云深处（DEEP Robotics）、ANYbotics和波士顿动力四足机器人做救援、巡检和物流的用户，希望机器人不带机械臂也能清障或搬运。研究表明机身高度控制可以纯靠软件加入。对价格竞争激烈的国产四足厂商而言，短训练时间和低成本能力扩展都有吸引力。现场商用需以机载感知取代动作捕捉，预计至少还需两年。
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。