Un Cadre Hiérarchique pour la Locomotion Humanoïde avec Membres Surnuméraires

A Hierarchical Framework for Humanoid Locomotion with Supernumerary Limbs

November 25, 2025

Auteurs: Bowen Zhi

cs.AI

Résumé

L'intégration de membres surnuméraires (SL) sur des robots humanoïdes pose un défi de stabilité important en raison des perturbations dynamiques qu'ils introduisent. Cette thèse aborde ce problème en concevant une nouvelle architecture de commande hiérarchique pour améliorer la stabilité de la locomotion humanoïde avec des SL. Le cœur de ce cadre est une stratégie découplée qui combine une locomotion basée sur l'apprentissage avec un équilibrage basé sur un modèle. Le composant de bas niveau consiste en une démarche de marche pour un humanoïde Unitree H1 obtenue par apprentissage par imitation et apprentissage curriculaire. Le composant de haut niveau utilise activement les SL pour l'équilibrage dynamique. L'efficacité du système est évaluée dans une simulation physique sous trois conditions : démarche de référence pour un humanoïde sans charge (marche de référence), marche avec une charge statique de SL (charge statique), et marche avec le contrôleur actif d'équilibrage dynamique (équilibrage dynamique). Notre évaluation montre que le contrôleur d'équilibrage dynamique améliore la stabilité. Comparée à la condition de charge statique, la stratégie d'équilibrage produit un pattern de marche plus proche de la référence et réduit la distance de Dynamic Time Warping (DTW) de la trajectoire du CdM de 47 %. Le contrôleur d'équilibrage améliore également la re-stabilisation au sein des cycles de marche et atteint un pattern plus coordonné en anti-phase des forces de réaction au sol (GRF). Les résultats démontrent qu'une conception hiérarchique et découplée peut atténuer efficacement les perturbations dynamiques internes résultant de la masse et du mouvement des SL, permettant une locomotion stable pour les humanoïdes équipés de membres fonctionnels. Le code et les vidéos sont disponibles ici : https://github.com/heyzbw/HuSLs.

English

The integration of Supernumerary Limbs (SLs) on humanoid robots poses a significant stability challenge due to the dynamic perturbations they introduce. This thesis addresses this issue by designing a novel hierarchical control architecture to improve humanoid locomotion stability with SLs. The core of this framework is a decoupled strategy that combines learning-based locomotion with model-based balancing. The low-level component consists of a walking gait for a Unitree H1 humanoid through imitation learning and curriculum learning. The high-level component actively utilizes the SLs for dynamic balancing. The effectiveness of the system is evaluated in a physics-based simulation under three conditions: baseline gait for an unladen humanoid (baseline walking), walking with a static SL payload (static payload), and walking with the active dynamic balancing controller (dynamic balancing). Our evaluation shows that the dynamic balancing controller improves stability. Compared to the static payload condition, the balancing strategy yields a gait pattern closer to the baseline and decreases the Dynamic Time Warping (DTW) distance of the CoM trajectory by 47\%. The balancing controller also improves the re-stabilization within gait cycles and achieves a more coordinated anti-phase pattern of Ground Reaction Forces (GRF). The results demonstrate that a decoupled, hierarchical design can effectively mitigate the internal dynamic disturbances arising from the mass and movement of the SLs, enabling stable locomotion for humanoids equipped with functional limbs. Code and videos are available here: https://github.com/heyzbw/HuSLs.