核心观点 - 中国电信人工智能研究院联合多所高校研发的HUSKY物理感知全身控制框架，使Unitree G1人形机器人掌握了在室内外多种场景下稳定滑行滑板的能力，包括推进、转向及动作切换，并在遭遇干扰时能调整姿态保持平衡[1] 技术难点与挑战 - 人形机器人操控滑板的动态控制极为复杂，滑板是欠驱动的轮式平台，受非完整约束限制，机器人与滑板间的人机耦合使系统动力学高度非线性[3] - 传统基于简化动力学模型的轨迹规划方法，因无法捕捉复杂运动细节且计算成本高，难以满足实时控制需求[5] - 深度强化学习虽在相关任务中展现优势，但面对人形机器人的高维状态、动作空间及滑板的动态耦合效应，实现稳健的全身协调控制难度极大，且仿真到现实的差距导致许多方案无法落地[5] HUSKY框架核心技术解析 - 物理建模：框架从拆解滑板物理特性入手，通过研究转向架机械几何关系，推导出板体倾斜角与转向架转向角之间的硬性约束公式（tanσ=tanλ・sinγ），为控制策略奠定物理模型基础[7] - 对抗性运动先验（AMP）推进：引入AMP技术，让机器人从人类滑板数据中学习，通过判别器对比引导策略向人体运动力学靠拢，打破了固定轨迹的枷锁[9] - AMP效果数据：搭载AMP技术的推进策略任务成功率达100%，速度跟踪误差低至0.056，显著优于单纯跟踪参考动作的方案（成功率仅11.12%）[10] - 物理制导转向：借鉴车辆动力学中的自行车模型，将焦点放在滑板偏航运动上，建立偏航率与板体倾斜角的关联，结合物理约束精准计算实现目标转向所需的板体倾斜角参考值[13] - 转向效果数据：加入物理制导后，航向跟踪误差从0.233降至0.208，转向精准度与可实现转向范围显著提升[14][15] - 轨迹引导过渡机制：为解决推滑与转向两个动作相位间的切换难题，框架设计了平滑的中间动作规划，使用n阶贝塞尔曲线规划关键部位平移轨迹，并用球面线性插值处理姿态转换[17] - 过渡效果数据：完整过渡策略将接触误差控制在0.001，实现了推进与转向间的无缝衔接，而仅靠参考动作引导过渡的接触误差高达0.394[19] 仿真到现实的突破 - 物理参数精准识别：通过自由衰减滚动响应实验测量真实滑板数据，计算出转向架衬套的扭转刚度和阻尼系数，在仿真中搭建了与实物高度一致的弹簧-阻尼模型[22] - 领域随机化训练：在仿真训练阶段对机器人质心、摩擦系数等参数进行随机扰动，提升控制策略的鲁棒性，使其能适应真实世界的物理偏差[23] - 真实测试表现：在Unitree G1上的测试显示，机器人以50Hz控制频率稳定运行，关节位置由500Hz的PD控制器跟踪，可在室内外多种场景稳定滑行，适应不同刚度滑板，并能抵抗轻微外部干扰保持平衡[23] 行业意义与未来展望 - 方法论价值：HUSKY框架为高动态、强耦合的复杂控制问题提供了可复用思路，通过将物理建模与强化学习深度融合，使机器人动作兼具物理依据和灵活性[24] - 当前局限与改进方向：当前控制主要依赖本体感知，相机视野限制了状态观察；未来加入视觉状态估计实现感知驱动的闭环控制可提升能力；当前实验在平坦地形进行，要完成更复杂动作需融入更丰富的人类运动先验和自适应策略[24] - 技术迁移潜力：该融合物理感知的全身控制思路可迁移至轮滑、骑行等更多人形机器人动态任务中，提升其在动态环境中的适应能力，推动其走向现实应用[24] 产业链相关企业列举 - 工业机器人企业：包括埃斯顿自动化、埃夫特机器人、法奥机器人、越疆机器人、节卡机器人等[26][27] - 服务与特种机器人企业：包括亿嘉和、晶品特装、七腾机器人、史河机器人、普渡机器人等[27][28] - 人形机器人企业：包括优必选科技、宇树、云深处、星动纪元、伟景机器人、逐际动力等[28][29] - 具身智能企业：包括跨维智能、银河通用、千寻智能、灵心巧手、睿尔曼智能等[29][30] - 医疗机器人企业：包括元化智能、天智航、思哲睿智能医疗、精锋医疗、佗道医疗等[30][31] - 上游产业链企业：包括绿的谐波、因时机器人、坤维科技、脉塔智能、青瞳视觉等[31][32]