当前位置：首页 > news >正文

TOLEBI框架：双足机器人容错运动控制技术解析

news 2026/5/2 10:01:21

1. TOLEBI框架：双足机器人的容错运动革命

当人形机器人TOCABI在实验室里完成一组流畅的阶梯下降动作时，现场研究人员都屏住了呼吸——因为此刻它的右髋关节正处于人为锁死状态。这种在传统控制框架下必然导致跌倒的硬件故障，却被TOLEBI框架成功化解。这个由首尔国立大学团队开发的强化学习系统，正在重新定义双足机器人的可靠性边界。

双足 locomotion（移动）一直是人形机器人研究的圣杯。与四足机器人相比，双足系统在稳定性方面存在天然劣势——单腿故障就可能导致灾难性跌倒。传统基于模型的控制器需要为每种故障场景预先编程应对策略，而TOLEBI通过强化学习实现了"故障自愈"能力。其核心突破在于将关节状态估计、课程学习和特制奖励函数融合到一个统一的训练框架中，使机器人能在毫秒级时间内自主适应关节锁死、动力丢失等突发状况。

2. 核心架构解析

2.1 系统组成与工作流程

TOLEBI的架构犹如一个精密的生物神经系统（图2）。其核心由三个模块构成：

关节状态估计器：采用GRU网络实时处理本体感受数据（关节角度、角速度等），以500Hz频率更新12个关节的健康状态。与常规故障检测系统不同，该模块在训练过程中与策略网络同步优化，形成独特的"故障感知共生"关系。

策略网络：基于PPO算法的双分支MLP结构（256×2隐藏层），输入包含51维状态空间：

state = [ base_orientation, # 3维欧拉角 joint_positions, # 12维关节角度 joint_velocities, # 12维关节角速度 phase_info, # 2维步态相位(sin/cos) command_velocity, # 3维指令速度 base_velocity, # 6维基座速度 joint_status # 13维关节状态(1系统+12关节) ]

动作调制模块：除输出12个关节的扭矩命令外，创新性地引入第13个动作维度——相位调制量aδϕ。这个设计灵感来源于人类跛行时会自然调整步频的现象，允许机器人动态压缩故障腿的支撑期。

2.2 故障模拟机制

在Isaac Gym仿真环境中，TOLEBI采用"随机掩码"技术注入两类故障：

关节锁死：用PD控制将关节固定在故障瞬间的位置：
```
τ_j = K_p(q_j^0 - q_j) - K_d\dot{q}_j
```
动力丢失：直接置零扭矩输出，模拟电路断路：
```
τ_j = 0
```

每轮训练中，90%的并行环境会随机触发故障，其中50%概率为锁死，50%为动力丢失。这种高强度的故障暴露策略，使最终策略具备惊人的鲁棒性。

3. 关键技术突破

3.1 容错奖励函数设计

TOLEBI的奖励函数（表I）采用三层结构设计，犹如给机器人植入"生存本能"：

任务层奖励：确保基础移动能力
- 线性速度跟踪：exp(-‖v_cmd - v_actual‖²/0.45²)
- 足底接触同步：匹配DSP/RSSP/LSSP步态相位
调节层奖励：维持运动合理性
- 身体姿态惩罚：exp(-50*(roll² + pitch²))
- 冲击力抑制：exp(-∑|F_z - 1.4W|/140)
容错层奖励（创新核心）：
- 轨迹模仿奖励：引导故障关节尽量接近正常轨迹
- 接触力跟踪：降低故障腿的着地冲击（图3）
- 跌倒终止惩罚：-100分强负奖励

特别值得注意的是接触力跟踪奖励的设计。当检测到关节故障时，该奖励项的权重从0提升至0.3，促使机器人自动减轻故障腿的负重。实测数据显示，这能将着地冲击力从2000N（机器人自重20倍）降低到安全范围内。