Natural Sit-to-Stand Motion Synthesis For Humanoids via Guided Assistance Curricula and Staged Rewards
作者: Meet Pal Singh, Vyankatesh Ashtekar, Ashish Dutta
分类: cs.RO
发布日期: 2026-08-21
💡 一句话要点
提出自然人形机器人坐立动作合成方法以解决控制挑战
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱四：生成式动作 (Generative Motion) 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)
关键词: 人形机器人 坐立动作 强化学习 运动控制 生物力学 逆向运动学 平衡控制
📋 核心要点
- 核心问题：人形机器人在坐立过程中面临多种平衡控制挑战，现有方法难以有效应对。
- 方法要点：通过强化学习和耦合的力/椅高课程，逐步提高机器人从坐姿到站立的能力，增强动作的自然性与鲁棒性。
- 实验或效果：在八种椅高下，策略实现了超过97%的平衡站立成功率，且能够从深坐姿中顺利起立。
📝 摘要（中文）
人形机器人从坐姿站立的过程存在无限种可能性，保持平衡使得这一控制问题极具挑战性。本文通过强化学习从零开始合成自然的人形坐立动作，无需示范或参考轨迹。采用单一的近端策略优化（PPO）策略，通过三种互补组件实现平滑的人类般的站立动作。首先，使用耦合的力/椅高课程来辅助早期轨迹探索，并在训练过程中逐渐减小助力。其次，通过随机采样大量逆向运动学生成的初始和目标姿态，增强动作的鲁棒性。最后，基于生物力学和最优控制研究定义了一系列奖励，确保机器人在不同椅高下的平稳起立。实验结果表明，该策略在八种椅高下的平衡站立成功率超过97%。
🔬 方法详解
问题定义：本文旨在解决人形机器人从坐姿到站立的控制问题，现有方法往往依赖于示范或参考轨迹，难以实现自然且平稳的动作。
核心思路：论文提出通过强化学习合成自然的坐立动作，采用耦合的力与椅高课程来引导机器人逐步掌握不同椅高下的起立技巧。
技术框架：整体架构包括三个主要模块：1) 助力课程，通过施加垂直的骨盆助力来辅助早期探索；2) 随机采样生成初始和目标姿态，确保动作的多样性；3) 设计基于生物力学的奖励函数，优化机器人的角动量和支持区域的过渡。
关键创新：最重要的创新在于引入耦合的力/椅高课程，避免了过早的分布转移，确保机器人在每个椅高下都能掌握有效的坐立轨迹。
关键设计：在训练过程中，助力逐渐减小，椅高逐步增加，确保机器人在不同难度下的适应性。同时，奖励函数设计灵感来源于生物力学，确保动作的平滑性和低能耗。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提出的策略在八种不同椅高下的平衡站立成功率超过97%，显著优于现有技术，且能够从更深的坐姿中顺利起立，展示了其在动作合成方面的优越性。
🎯 应用场景
该研究的潜在应用领域包括人形机器人在家庭、医疗和服务行业中的使用，能够帮助机器人更自然地与人类互动，提升其在日常生活中的实用性和安全性。未来，该技术可能推动人形机器人在复杂环境中的自主行动能力。
📄 摘要（原文）
A humanoid has infinitely many ways to stand up from sitting while maintaining balance, making sit-to-stand (STS) a challenging control problem. We synthesise natural humanoid STS motion from scratch using reinforcement learning, without demonstrations or reference trajectories. A single Proximal Policy Optimisation policy learns smooth, human-like rising driven by three complementary components. (i) A coupled force/chair-height curriculum is used. A vertical pelvis-assist force aids early trajectory exploration and decays over training. Taller chairs are unlocked with decaying assisting force. This ensures that the policy masters a viable STS trajectory at each chair height before being exposed to harder ones, avoiding the premature distribution shift that otherwise collapses generalisation. (ii) Motion robustness is achieved by randomly sampling from a large number of inverse kinematics-generated initial and target poses spanning over eight chair heights. (iii) A set of rewards is defined inspired from biomechanics and optimal control studies. They shape the robot's angular momentum for seat-off, and enable support-region transition via centre of pressure attraction function to ensure smooth low-effort actuation. On a deterministic force-free evaluator, the policy attains more than 97% balanced-standing success across eight chair heights. The policy generalises smooth motion across chair heights and enables the robot to rise from substantially deep-seated postures as compared to the state of the art.