Um Framework Hierárquico para Locomoção Humanoide com Membros Supernumerários
A Hierarchical Framework for Humanoid Locomotion with Supernumerary Limbs
November 25, 2025
Autores: Bowen Zhi
cs.AI
Resumo
A integração de Membros Supernumerários (MS) em robôs humanoides representa um desafio significativo de estabilidade devido às perturbações dinâmicas que introduzem. Esta tese aborda esta questão através do desenho de uma nova arquitetura de controlo hierárquico para melhorar a estabilidade da locomoção de humanoides com MS. O cerne desta estrutura é uma estratégia desacoplada que combina locomoção baseada em aprendizagem com equilíbrio baseado em modelo. O componente de baixo nível consiste num andamento de marcha para um humanoide Unitree H1, obtido através de aprendizagem por imitação e aprendizagem curricular. O componente de alto nível utiliza ativamente os MS para o equilíbrio dinâmico. A eficácia do sistema é avaliada numa simulação baseada em física sob três condições: marcha de base para um humanoide sem carga (marcha de base), marcha com uma carga estática de MS (carga estática) e marcha com o controlador ativo de equilíbrio dinâmico (equilíbrio dinâmico). A nossa avaliação demonstra que o controlador de equilíbrio dinâmico melhora a estabilidade. Em comparação com a condição de carga estática, a estratégia de equilíbrio produz um padrão de marcha mais próximo do baseline e reduz a distância de Dynamic Time Warping (DTW) da trajetória do CoM em 47%. O controlador de equilíbrio também melhora a reestabilização dentro dos ciclos de marcha e alcança um padrão anti-fase mais coordenado das Forças de Reação do Solo (GRF). Os resultados demonstram que um desenho hierárquico e desacoplado pode mitigar eficazmente as perturbações dinâmicas internas resultantes da massa e do movimento dos MS, permitindo uma locomoção estável para humanoides equipados com membros funcionais. O código e vídeos estão disponíveis aqui: 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.