Иерархическая система управления локомоцией гуманоидных роботов со сверхнормативными конечностями

A Hierarchical Framework for Humanoid Locomotion with Supernumerary Limbs

November 25, 2025

Авторы: Bowen Zhi

cs.AI

Аннотация

Интеграция дополнительных конечностей (SL) на гуманоидных роботах создает серьезную проблему устойчивости из-за вызываемых ими динамических возмущений. Данная диссертация решает эту проблему путем разработки новой иерархической архитектуры управления для повышения устойчивости локомоции гуманоидов со SL. Основой этой структуры является разделенная стратегия, сочетающая обученную локомоцию и балансировку на основе модели. Низкоуровневый компонент включает походку для гуманоида Unitree H1, полученную с помощью имитационного и пошагового обучения. Высокоуровневый компонент активно использует SL для динамического балансирования. Эффективность системы оценивается в физическом моделировании при трех условиях: базовая походка ненагруженного гуманоида (базовая ходьба), ходьба со статической нагрузкой SL (статическая нагрузка) и ходьба с активным контроллером динамического балансирования (динамическое балансирование). Наша оценка показывает, что контроллер динамического балансирования повышает устойчивость. По сравнению с условием статической нагрузки стратегия балансирования дает паттерн походки, более близкий к базовому, и уменьшает расстояние Dynamic Time Warping (DTW) траектории ЦМ на 47%. Контроллер балансирования также улучшает рестабилизацию в пределах циклов походки и достигает более скоординированного противофазного паттерна сил реакции опоры (GRF). Результаты демонстрируют, что разделенная иерархическая конструкция может эффективно компенсировать внутренние динамические возмущения, возникающие из-за массы и движения SL, обеспечивая устойчивую локомоцию для гуманоидов, оснащенных функциональными конечностями. Код и видео доступны по ссылке: 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.