如同人类需要稳健行走才能劳动，强大的运动控制能力是人形机器人执行各类产业任务的前提。运动控制相当于人类小脑发挥的作用，也是人形机器人从实验室迈向规模化应用的重要门槛。“天工★★■★■★”之所以能以2时40分42秒跑完21.0975公里，就得益于运动控制的核心技术。

　　今年4月勇夺全球首个人形机器人◆★■“半马◆◆”冠军的“天工”，面向行业免费开放了其在运动控制上的核心技术。近日◆★◆，北京人形机器人创新中心发布了开源运动控制框架Tien Kung-Lab，其中就包括◆★◆■■“天工”的奔跑秘笈◆★★★◆。

　　自去年4月首度亮相，★■★◆“天工”的运动控制算法不断迭代■■◆■■，今年还基于视觉的感知行走◆◆◆■，完成了全球首例百级台阶攀登实验，实现了无磕碰、不踩棱、不踏空地跨越连续多级楼梯和35厘米大高差台阶★◆◆■◆◆，奔跑时速也由6公里/小时提高至12公里/小时，并能在雪地等高难度地形中高速奔跑★◆◆。

　　这一方法首次融合了模仿学习与强化学习的优势，让人形机器人在走路■■◆★★★、跑步等移动中面对复杂地形的稳定性更高◆■★◆■■、适应能力更强，还保留了与人类高度相似的优雅姿态。

　　如遇作品内容◆◆■★、版权等问题，请在相关文章刊发之日起30日内与本网联系。版权侵权联系电话

　　与传统人形机器人运动控制采取的动力学方法、强化学习两条路都不同★◆，“天工”采用的是北京人形机器人创新中心研发的“强化模仿学习”新法子：先“吸收”人类运动过程中关节变化等各种数据并进行模仿★◆★，再在仿真环境中边跑边成长，在摸索和试错中学习。

　　Tien Kung-Lab是一套开源强化学习运动控制算法框架★■★★。该框架融合前沿的强化学习技术和人体运动数据，能让人形机器人实现自然、高效、稳定的运动控制。为了帮助开发者更方便感知策略训练◆◆■，此次开源的算法框架，改进了相关的光线追踪技术★◆，实现了训练环境中深度图和激光雷达点云的快速准确获取■★■★★■，让仿真环境下从感知到运动的◆■★★■◆“端到端”训练成为可能。

　　“天工的运动控制能力会不断升级和迭代。开源之后，我们收到更真实的一线反馈，看到真实场景里的更多需求■■◆，倒逼着天工不断进行技术创新和突破，不断实现技术上的领先。”董建宇说，天工的运动控制框架也会随着技术的迭代，不断开源新的版本。

　　人形机器人马拉松比赛中，更是让Tien Kung-Lab经历了超长赛程和真实路况的挑战，在运动控制层面保证了★★“天工Ultra■◆”每一次迈步与落地的稳定、准确★◆■◆★，跨越了真实道路中凸起、凹陷■★◆◆■、减速带■◆、细小石子等随机干扰，最终实现了顺利完赛。

　　“开源之后，其他的开发者就可以根据自己的需求进行二次开发★★★■★。■◆”北京人形机器人创新中心开源社区负责人董建宇解释了“天工”之所以技术开源的原因：开源之后，天工的运动控制技术就可以在不同开发者的场景里进行训练■◆■★★◆，适应更复杂的地形■■，完成更复杂的动作和任务；众多开发者加入进来，也能加速天工运动控制算法在工业场景■◆◆★◆、物流场景、特种作业场景等高复杂环境下规模化应用◆★★★◆★。按照开源社区的协议，其他开发者也会将二次开发的代码反哺给社区，共同扩大人形机器人的技术生态。

　　“天工■◆■”运控算法面向行业开源，填补了高性能人形机器人运动控制框架在开源领域的空白，将缩短其他人形机器人跨地形高速泛化移动的开发周期。