Een Hiërarchisch Kader voor Humanoïde Locomotie met Supernumeraire Ledematen

A Hierarchical Framework for Humanoid Locomotion with Supernumerary Limbs

November 25, 2025

Auteurs: Bowen Zhi

cs.AI

Samenvatting

De integratie van supernumeraire ledematen (SL's) op humanoïde robots vormt een aanzienlijke stabiliteitsuitdaging vanwege de dynamische perturbaties die zij introduceren. Deze scriptie behandelt dit probleem door een nieuwe hiërarchische controle-architectuur te ontwerpen om de stabiliteit van de locomotie van humanoïden met SL's te verbeteren. De kern van dit raamwerk is een ontkoppelde strategie die op leren gebaseerde locomotie combineert met op modellen gebaseerd balanceren. De laagniveau-component bestaat uit een loopgang voor een Unitree H1-humanoïde via imitatieleren en curriculumleren. De hoog-niveau-component benut de SL's actief voor dynamisch balanceren. De effectiviteit van het systeem wordt geëvalueerd in een op fysica gebaseerde simulatie onder drie condities: een basisgang voor een onbeladen humanoïde (basislopen), lopen met een statische SL-last (statische last) en lopen met de actieve dynamische balanceringscontroller (dynamisch balanceren). Onze evaluatie toont aan dat de dynamische balanceringscontroller de stabiliteit verbetert. In vergelijking met de statische lastconditie resulteert de balanceringsstrategie in een gangpatroon dat dichter bij de basislijn ligt en verkleint de Dynamic Time Warping (DTW)-afstand van het zwaartepuntstrajectory met 47%. De balanceringscontroller verbetert tevens de re-stabilisatie binnen gangcycli en bereikt een gecoördineerder antifasepatroon van grondreactiekrachten (GRF). De resultaten tonen aan dat een ontkoppeld, hiërarchisch ontwerp de interne dynamische verstoringen als gevolg van de massa en beweging van de SL's effectief kan mitigeren, waardoor stabiele locomotie mogelijk wordt voor humanoïden uitgerust met functionele ledematen. Code en video's zijn hier beschikbaar: 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.