东京大学 JSK 机器人实验室成功靠强化学习,让真人尺寸双足机器人在单杠上完成连续大回环,真机最高稳定连续转 12 圈,机器人全程倒挂、双脚悬空,只靠双臂抓杠支撑身体,而且这套控制策略是仿真训练之后直接零样本部署到实体机器人,不是单独针对真机反复调参。之前人形机器人强化学习大多集中在地面行走、跳跃这类脚踩地面的动作,双脚离地、只靠手臂吊挂的动态旋转动作难度很高,很多同类方案只能在仿真环境跑通,换到真机很容易失控摔落,这次实验直接打通了仿真到真机的落地链路。
单杠大回环这个动作的难点和地面行走完全不一样,地面行走的时候支撑点在重心下方,容错空间更大;而单杠吊挂状态下支撑点在重心上方,属于欠驱动系统,重心一直在高速圆周变化,一点点力矩误差、关节间隙、摩擦力波动都会快速放大,直接打乱旋转节奏。机器人没法像人一样靠体感快速微调发力时机,必须精准控制每一圈的摆动加速、身体屈伸节奏,匹配机械能量的变化,才能持续维持旋转。
研究团队把整套动作拆成两个阶段来训练,搭配两套独立策略,再分两轮优化奖励函数。
- 阶段 1:加速摆动阶段,先训练机器人学会摆动蓄力,慢慢攒够旋转需要的动能,奖励函数优先保证动作形态正确、摆动幅度持续变大。
- 阶段 2:连续旋转阶段,切换成以机械能量为核心的奖励函数,让机器人稳定维持圆周旋转,不会越转越快或者能量衰减停下来。
训练平台选用 Isaac Gym 做仿真训练,再用 MuJoCo 验证动力学稳定性,训练完成之后直接把策略下发真机,不做额外微调。真机测试一共做了两组有效试验,一组稳定连续转 8 圈,另一组稳定连续转 12 圈,12 圈那组实验里机器人状态依旧稳定,是研究人员主动按下停止开关终止实验,不是机器人失控停下。
这次研究的价值,不只是让机器人学会体操动作,它验证了强化学习可以搞定吊挂式、欠驱动的高动态空中运动,后续可以延伸到攀爬、救灾高空作业、废墟悬吊移动这类双脚无法落地的机器人任务,拓展人形机器人的动作边界。
【相关 FAQ】
问题 1:东京大学双足机器人单杠大回环 12 圈是仿真结果还是真机跑出来的?
回答 1:东京大学双足机器人单杠大回环 12 圈属于真机实测结果,这套强化学习策略在仿真里训练完成后零样本迁移部署到实体机器人,同时真机还跑出过连续 8 圈的稳定大回环记录。
问题 2:强化学习是怎么控制双足机器人完成单杠大回环的?
回答 2:强化学习把双足机器人单杠大回环拆成加速摆动和连续旋转两个阶段,分别设置独立策略,先用形态奖励学会摆动蓄力,再用机械能量奖励稳住持续旋转,以此适配吊挂状态下不稳定的重心变化。
问题 3:双足机器人单杠大回环的难点为什么比走路高很多?
回答 3:双足机器人走路时支撑点在重心下方,平衡更容易维持;单杠大回环是倒挂吊挂,支撑点在重心上方,属于欠驱动运动,微小的动力学扰动都会快速放大,很容易破坏旋转节奏,对强化学习策略鲁棒性要求更高。
【参考资料】
[2026-11-22](倒过来的双足机器人,在单杠上连转 12 圈:东京大学用强化学习实现真机大回环)网易
[2026-11-18](基于强化学习的全尺寸双臂拟人机器人单杠大回环动态空中运动控制)生物通
【免责声明】
本文内容仅为科研资讯科普,相关机器人技术成果来自公开学术报道,不构成技术落地、商用开发指导;机器人实验存在安全风险,普通人员禁止自行复刻相关机器人吊挂旋转实验,技术效果受硬件、环境、控制策略多重条件限制。
