开端：机器之心Pro云开体育

AIxiv专栏是机器之心发布学术、本事内容的栏目。以前数年，机器之心AIxiv专栏给与报说念了2000多篇内容，隐私民众各大高校与企业的顶级实验室，有用促进了学术相通与传播。淌若您有优秀的责任念念要共享，接待投稿或者相关报说念。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com

近日，上海 AI Lab 具身智能中心辩论团队在机器东说念主限度范畴赢得了最新冲破，提议的 HoST（Humanoid Standing-up Control）算法，收效让东说念主形机器东说念主在多种复杂环境中收场了自主站起，并展现出宽绰的抗打扰智商。

这一更变不仅经管了机器东说念主从坐姿到站姿的休养难题，还为异日东说念主形机器东说念主在家庭、医疗、挽救等场景中的广泛讹诈奠定了基础。

通过强化学习框架和多项本事优化，HoST 算法在仿真和确实环境中均推崇出色，为东说念主形机器东说念主应酬实质环境中的失衡收复、动态均衡等挑战提供了更变经管决议，进一步鼓吹具身智能本事的实用化程度。

起猛了，东说念主形机器东说念主竟在上海黄浦江畔幽谷坐起看日出？

也能像牛顿一样坐在「苹果树」旁，起身望望天上掉下了啥。

在负重、强打扰情况下，也能自如起身。

形势主页：https://taohuang13.github.io/humanoid-standingup.github.io/论文地址：https://arxiv.org/abs/2502.08378

设念念东说念主形机器东说念主能否作念到：从沙发上站起，走向桌子，提起一杯咖啡。尽管最近的责任赋予了它们宽绰的畅通和操作智商，然而沙发上站起这一方法，相对而言闭塞了辩论。

大大宗工不实设机器东说念主从一个预界说好的直立姿势动手，推行后续任务。辩论者以为，学会东说念主形机器东说念主站起限度冒失应酬上述坐立姿态休养，或是跌倒后站起等场景，有助于进一步训诲东说念主形机器东说念主的落地场景。

和此前依赖于预界说轨迹或是冷漠真机硬件限度的限度算法不同，HoST 的辩论团队提议了一套从零动手、不依赖预定于轨迹的强化学习框架，冒失在仿真环境中学会从多种姿势下收效站起，何况冒失平直部署到确实机器东说念主上。

中枢本事

HoST 算法框架

奖励函数瞎想与计谋优化

不同于行走与操作，站起这一限度任务动态性更强，对险阻半身的动态性要求更高。特地的，关于强化学习算法而言，需要克服随时间变化的斗殴点、多阶段手段学习、精准的身段角动量限度，无疑对奖励函数的瞎想与计谋优化带来了极大的难堪。

为此，辩论者们瞎想了多种奖励函数，并将其归类到了四种奖励组：任务奖励、格调奖励、拘谨奖励与后任务奖励。

为了能更好的均衡各个奖励函数，辩论者们紧接着收受了多推敲家本事，对每一个奖励函数组分歧进行陈诉估量，并对每个奖励函数组赋予不同权重，来最终优化限度计谋。

探索计谋

即使有了合理的奖励函数瞎想，辩论者们依旧不雅测到了强化学习在探索上遭遇的难堪。

辩论团队从科学家对婴儿的辩论中发现，外界的匡助有助于婴儿学习好多作为手段。受此启发，辩论者们瞎想了基于课程的支持力探索计谋。

在试验初期，基于机器东说念主特殊的朝上的支持力，匡助其更容易的站起，探索到高质料的学习样本。跟着机器东说念主安宁掌捏站起智商，这一支持力会安宁减小至零，使得机器东说念主最终学习到无支持力匡助下的站起限度。这一瞎想极大的加速了学习后果。

畅通拘谨

辩论者们不雅测到机器东说念主容易学到剧烈的站起计谋，为了克服这一问题，他们引入了作为缩放所有（作为界限），该缩放所有决定了 PD 限度器中的场所关键角与现时关键角的最大偏差，从而隐式的拘谨关键最大的力矩与速率该缩放所有开动被建筑为 1。跟着学习的进行，该缩放所有逐步放心至 0.25。

此外，辩论者们还不雅测到了站起流程中的行径抖动。为了幸免这个问题，他们在值函数收罗和计谋收罗优化时收受了平滑拘谨法子（L2C2）。

真机计谋转移

为了模拟确实天下中可能见到的开动姿势，辩论者们在仿真试验中瞎想了四种地形：幽谷、平台、陡坡和靠墙，以模拟确实天下中常见到的环境。

另外，为了减小物理仿真与本质中的物理参数互异，辩论者们还收受了域速即化（domain randomization）的本事，在仿真中给以某些物理参数一些速即噪声，举例质心的偏移、base 重力等。

实验评估

仿真环境站起作为质料

为了更好的评估站起作为，辩论东说念主员领先提议了四个量化狡计：收遵循、双脚移动距离、作为平滑度和蹧跶能量。基于此，他们领先对 HoST 与其消融版块在仿真中进行了比拟。末端如下表披露，多推敲家、支持力探索、畅通拘谨均对计谋学习有着权贵的影响。

举例，机器东说念主在阑珊前两者的情况下，无法在大大宗地形上收效学到站起手段；阑珊畅通拘谨会使得站起作为不够平滑。这些考据了上述本事瞎想的病笃性。

确实环境站起作为质料

接着，辩论者们将限度计谋平直部署到机器东说念主 Unitree G1 上，何况在室表里多种场景进行了测试。如下图所示，在多种地形上均收场了收效站起，包括木质平台、草地、平台、陡坡、靠树、石子路等。

其中，在室内场景下，辩论者还对比了平滑拘谨对真机推崇的影响。如下图所示，平滑拘谨权贵训诲了站起作为的平滑度与其收遵循。

鲁棒性测试

在负重、外部冲击力、软质大地拦截物以及速即扭矩丢失等复杂外部打扰条目下云开体育，HoST 仍是冒失保持矫健直立、从跌倒中飞速收复，并防守动态均衡。