Stay Seated: Learning Omnidirectional Humanoid Locomotion on a Passive Mobile Chair with Casters
作者: Kango Yanagida, Kazuki Miyazawa, Takato Horii
分类: cs.RO
发布日期: 2026-08-28
💡 一句话要点
提出一种新方法以实现被动移动椅上的全向人形机器人运动
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 人形机器人 全向运动 被动移动椅 策略学习 速度跟踪 运动控制
📋 核心要点
- 现有的人形机器人在站立时需要持续生成关节扭矩，缺乏适应坐姿运动的能力。
- 本文提出了一种新的学习策略，使人形机器人能够在被动移动椅上进行全向坐姿运动，利用本体感觉和速度命令进行控制。
- 实验结果表明，所提出的坐姿策略在速度跟踪上优于传统的站立策略，并实现了零-shot的仿真到现实转移。
📝 摘要（中文）
人形机器人在站立时使用准直接驱动执行器持续生成关节扭矩，而坐着的人类在办公时将重量支撑委托给椅子。本文首次研究了在被动移动椅上进行全向坐姿运动，要求机器人与椅子之间保持不固定的骨盆-座椅接触，并通过间歇性的脚-地面推进实现运动。我们扩展了标准的站立速度跟踪环境，引入了被动椅模型、坐姿状态奖励、仅评论员的椅子观察和任务定制的接触设置。该策略在没有运动模仿奖励的情况下学习，执行者仅使用本体感觉和速度命令，无需接触传感或椅子状态。在随机命令评估中，策略在几乎所有20秒的回放中跟踪了全向命令，最佳的坐姿策略在速度跟踪上超越了站立策略。
🔬 方法详解
问题定义：本文旨在解决人形机器人在被动移动椅上进行全向坐姿运动的挑战，现有方法无法有效处理坐姿状态下的运动控制问题。
核心思路：通过引入被动椅模型和定制的奖励机制，设计了一种新的策略学习框架，使机器人能够在不依赖接触传感的情况下进行运动。
技术框架：整体架构包括环境扩展、奖励设计和策略学习三个主要模块。环境扩展引入了被动椅模型，奖励设计则针对坐姿状态进行了优化，策略学习则通过本体感觉和速度命令进行。
关键创新：最重要的创新在于策略学习过程中不使用运动模仿奖励，而是依赖本体感觉和速度命令，这与现有方法的依赖接触传感的方式有本质区别。
关键设计：在训练过程中，采用了对称性正则化、脚滑正则化和命令课程等技术细节，以优化策略的收敛性和运动表现。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提出的坐姿策略在速度跟踪上超越了传统的站立策略，且在随机命令评估中，几乎所有20秒的回放均成功跟踪全向命令。最佳坐姿策略在速度跟踪方面表现优异，展示了显著的性能提升。
🎯 应用场景
该研究的潜在应用领域包括智能办公环境、辅助机器人和康复机器人等。通过实现人形机器人在坐姿下的灵活运动，能够提升人机交互的自然性和效率，具有重要的实际价值和广泛的应用前景。
📄 摘要（原文）
Humanoid robots with quasi-direct-drive actuators continuously generate joint torque while standing, whereas seated humans delegate weight support to chairs during desk work. As a first step toward seated loco-manipulation, we study omnidirectional seated locomotion on a passive mobile chair, requiring unfixed pelvis-seat contact and intermittent foot-floor propulsion of the robot-chair system. We extend a standard standing velocity-tracking environment with a passive-chair model, seated-state rewards, critic-only chair observations, and task-tailored contact settings. The policy is learned without motion-imitation rewards; its actor uses only proprioception and velocity commands, without contact sensing or chair states. In random-command evaluation, the policies tracked omnidirectional commands through nearly all 20-s rollouts, and the best seated policies could outperform the Standing policy in velocity tracking. Across four training seeds, a $2^3$ full-factorial comparison of symmetry regularization (SY), foot-slip regularization (FS), and command curriculum (CC) showed that FS reduced CoT but increased tracking error and that some FS-only policies converged to stationary local optima. Combining FS with either SY or CC avoided this failure without retuning FS, while SY improved bilateral leg symmetry during longitudinal motion. Direction-resolved analysis showed CoT ordered backward $<$ lateral $\ll$ forward, with planted-leg extension in backward and lateral motion and knee flexion following heel contact in forward motion. The learned policy achieved zero-shot sim-to-real transfer to a Unitree G1 and generated omnidirectional seated locomotion.