注意看，小帥一個轉身，衛(wèi)衣帽子里面居然 空 無 一 頭：
好啦，這不是驚悚恐怖片，而是來自 UCSD（加州大學圣地亞哥分校）全華人團隊的最新研究成果。
他們提出一種特別的全身控制策略（ExBody），能對人形機器人進行全身控制。策略主要訓練人形機器人上半身，下半身則專注于負責維持穩(wěn)定。
這樣訓練出來的人形機器人，能實現(xiàn)穩(wěn)健的運動和動態(tài)運動跟蹤。簡而言之，會的活多，表現(xiàn)力還強。
比如和人類邊貼貼邊跳舞，增進增進人形機器人和人類之間的感情：
穿著熒光小馬甲，就能立刻上崗街頭指揮人車交通：
研究論文資料顯示，這個研究團隊共 6 人，其中過半是 UCSD 的在讀博士生。
為什么要對人形機器人做這樣的訓練呢？論文共同一作 Xuxin Cheng 在推特上賣力宣傳的同時，做出了解釋。
機器人總是被要求化身各行各業(yè)的打工人！我們就想跟它一起探索另一條方向的路～
當人形機器人“富有表現(xiàn)力”
團隊的這項研究名為《Expressive Whole-Body Control for Humanoid Robots》，研究目標是讓人形機器人在現(xiàn)實世界中產生豐富、多樣和富有表現(xiàn)力的動作。
在經(jīng)過團隊的調教后，人形機器人能做出什么樣的行為呢？
路遇朋友迎面擊掌，這是不在話下的。
我都能腦補出它大聲喊了一句 Hey Man……
親切一點，路遇兄弟，來個抱抱：
有點搞笑的事，不管是擊掌還是擁抱，機器人下半身跺腳的行為并不會停止，只是會稍微放緩。
眼尖的朋友們可能已經(jīng)發(fā)現(xiàn)了，上面的擊掌實驗在不同環(huán)境、不同地面進行。
團隊也明確表示，通過新研究訓練出來的人形機器人，可以在各種不同的地形地面上健步如飛。
除了上文展示過的草地和石板路，沙灘對它來說同樣是小菜一碟：
平整的辦公室地面也可以輕松應對：
團隊給出的更多展示中，還表現(xiàn)了更多遇到外界阻力時行動自如的 demo。
狠狠拽它：
拿大球砸它：
還知道抬手示意，“喂，你可以幫我背上小書包了”。
各種操作，看得大伙兒一愣一愣的。
紐約大學計算機科學助理教授發(fā)推特應援，稱這么高水平控制力和表現(xiàn)力的研究成果，居然是一個 6 人組成的學術團隊的產出，“難以置信”！
更多的網(wǎng)友則選擇用“Cool”來形容這項工作：
“無他，照著人類學”
所以，究竟怎么才能讓機器人像以上般“張牙舞爪”、富有類人表現(xiàn)力？設想的思路無他：照著人類學。
學習資料既包括各種人體動捕數(shù)據(jù)集，也包括生成模型、video2pose 模型給出的模擬數(shù)據(jù)。
通過在強化學習框架中進行全身控制的大規(guī)模訓練，機器人就可以在現(xiàn)實世界中進行動作的泛化了。
然而，這樣的 Sim2Real 思想實際還是遇到了問題。
作者介紹，典型數(shù)據(jù)集中的人體模型有 69 個自由度，但他們所用的機器人只有 19 個。除此之外，理論和實際的扭矩限制也不相同。
這就很尷尬了，等于學會的知識實際根本不能拿來就用。
那怎么辦？
那就做一個小小的改動：
只讓上半身進行模仿，負責各種表現(xiàn)力，下半身則只負責在任意速度內把兩條腿控制穩(wěn)定就行。
作者姑且就管這個方法就叫做“表現(xiàn)型全身控制”（Expressive Whole-Body Control (Exbody)）。
由此，該機器人的整體框架就長這樣：
首先，在拿到各種數(shù)據(jù)集后，系統(tǒng)會有一個運動重定向，用于獲取一系列與符合機器人運動學結構的運動片段。
然后在從這些片段中提取表達目標和根運動目標，進行“Exbody”策略的強化學習訓練，最終將指令部署到真實機器人身上。
其中，表達目標就是機器人上半身要完成的，根運動目標則歸于下半身（當然，這部分也可以用遙控命令直接給出）。
最終，和各種基線方法相比，該機器人取得了如下成績：有幾項比較突出的指標，整體表現(xiàn)還不錯。
（MELV：Mean Episode Linear Velocity Tracking Reward，線性速度跟蹤獎勵 MEK：Mean episode key body tracking reward，關鍵身體追蹤獎勵）
而從下圖來看，Exbody 的策略也能讓機器人在表現(xiàn)時（例如擊掌）膝蓋彎曲更多，抬腳時腳離地面更高。言外之意，動作更賣力更富有表現(xiàn)力一些～當然，也更穩(wěn)。
全華人團隊出品
本研究一共 6 位作者，全部為華人，全部來自加州大學圣地亞哥分校（UCSD）。
共同一作有兩位：
Xuxin Cheng，UCSD 博一在讀，碩士畢業(yè)于 CMU 機器人專業(yè)，本科則畢業(yè)于北理工自動化專業(yè)。
Yandong Ji，同 UCSD 博一在讀，碩士畢業(yè)于 UC 伯克利機械工程，本科畢業(yè)于南開大學電子計算機工程專業(yè)。
通訊作者為他們的導師 Xiaolong Wang，UCSD 電氣工程系助理教授。
他博士畢業(yè)于 CMU，目前的研究方向集中于 CV 和機器人技術等等，谷歌學術顯示論文引用次數(shù) 23000+。
哦對了最后，團隊成員還包括本次研究所用的機器人：來自宇樹科技的 Unitree H1。
One More Thing
要說最近的機器人進展，還真不少。
先是 OpenAI 和微軟押注的 Figure 剛剛宣布，新一輪融資籌集了約 6.75 億美元，融資前估值約 20 億美元。
緊接著發(fā)布了個視頻，介紹了旗下人形機器人 Figure 01 的最新進展，稱“一切都是自主的”：
再有就是那個面部表情極其豐富，有時驚艷有時又驚悚的 Ameca，最新宣布已具有視覺能力。
她能觀察所處房間的整個情況，然后用各種各樣的聲音語氣（包括但不限于馬斯克、海綿寶寶）跟你繪聲繪色地描述。
就怪有意思的 hhhhhh
參考鏈接：
[1]https://expressive-humanoid.github.io/resources/Expressive_Whole-Body_Control_for_Humanoid_Robots.pdf
[2]https://expressive-humanoid.github.io/
[3]https://twitter.com/xiaolonw/status/1762528106001379369
本文來自微信公眾號：量子位 （ID：QbitAI），作者：衡宇 豐色
廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。