物理引導的生物力學步態適應：實現人形機器人在極端斜坡地形上的行走

近日，arXiv 上發佈了一項關於人形機器人在極端斜坡地形上行走的研究。該研究由 Xuanyu Chen 等九位作者合作完成，提出了一種名為 HumoSlope 的兩階段物理引導框架，旨在解決人形機器人在陡坡上的魯棒行走問題。

傳統的模型無關強化學習方法在平坦或離散地形上取得了顯著進展，但在陡坡控制方面仍面臨巨大挑戰。斜坡地形會產生持續的引力偏置，要求機器人同時保持穩定性和姿態控制。在通用獎勵函數下，策略往往會收斂到一種緩慢、保守的低重心蹲伏步態，無法適應實際應用需求。

HumoSlope 框架的核心在於兩個階段的創新設計。第一階段通過引入一個斜坡自適應零力矩點（ZMP）正則化器，直接在局部傾斜支撐平面上評估平衡性，而非傳統的世界水平參考系，從而建立與地形一致的平衡先驗。第二階段則引入了生物力學斜坡步態適配器（BSGA）。BSGA 利用提取的宏觀地形描述符作為特權訓練信號，動態地調整軟獎勵先驗，以根據估計的斜坡幾何調節質心高度和下肢協調——在上坡時鼓勵髖部主導的推進力，在下坡時鼓勵膝蓋主導的制動力。關鍵的是，部署後的執行器完全依賴本體感受信號，無需任何在線外感受傳感。

研究團隊通過大量的 Sim-to-Real 實驗驗證了該方法的有效性。實驗表明，HumoSlope 框架能夠有效緩解姿態退化問題，並實現盲穿、連續地穿越户外草地斜坡，最大坡度可達 62.7%（32.1°）。這一成果驗證了物理引導方法在挑戰性斜坡地形適應中的潛力。

該研究為人形機器人在複雜户外環境中的應用提供了新的思路，尤其在搜救、勘探等需要適應陡坡地形的場景下具有重要意義。未來，團隊計劃進一步探索更極端地形下的泛化能力。