奔跑秘笈共享！人形机器人“天工”运控核心技术向行业开放

今年4月勇夺全球首个人形机器人“半马”冠军的“天工”，面向行业免费开放了其在运动控制上的核心技术。近日，北京人形机器人创新中心发布了开源运动控制框架TienKung-Lab，其中就包括“天工”的奔跑秘笈。

如同人类需要稳健行走才能劳动，强大的运动控制能力是人形机器人执行各类产业任务的前提。运动控制相当于人类小脑发挥的作用，也是人形机器人从实验室迈向规模化应用的重要门槛。“天工”之所以能以2时40分42秒跑完21.0975公里，就得益于运动控制的核心技术。

与传统人形机器人运动控制采取的动力学方法、强化学习两条路都不同，“天工”采用的是北京人形机器人创新中心研发的“强化模仿学习”新法子：先“吸收”人类运动过程中关节变化等各种数据并进行模仿，再在仿真环境中边跑边成长，在摸索和试错中学习。

这一方法首次融合了模仿学习与强化学习的优势，让人形机器人在走路、跑步等移动中面对复杂地形的稳定性更高、适应能力更强，还保留了与人类高度相似的优雅姿态。

TienKung-Lab是一套开源强化学习运动控制算法框架。该框架融合前沿的强化学习技术和人体运动数据，能让人形机器人实现自然、高效、稳定的运动控制。为了帮助开发者更方便感知策略训练，此次开源的算法框架，改进了相关的光线追踪技术，实现了训练环境中深度图和激光雷达点云的快速准确获取，让仿真环境下从感知到运动的“端到端”训练成为可能。

自去年4月首度亮相，“天工”的运动控制算法不断迭代，今年还基于视觉的感知行走，完成了全球首例百级台阶攀登实验，实现了无磕碰、不踩棱、不踏空地跨越连续多级楼梯和35厘米大高差台阶，奔跑时速也由6公里/小时提高至12公里/小时，并能在雪地等高难度地形中高速奔跑。

人形机器人马拉松比赛中，更是让TienKung-Lab经历了超长赛程和真实路况的挑战，在运动控制层面保证了“天工Ultra”每一次迈步与落地的稳定、准确，跨越了真实道路中凸起、凹陷、减速带、细小石子等随机干扰，最终实现了顺利完赛。

“天工”运控算法面向行业开源，填补了高性能人形机器人运动控制框架在开源领域的空白，将缩短其他人形机器人跨地形高速泛化移动的开发周期。

“开源之后，其他的开发者就可以根据自己的需求进行二次开发。”北京人形机器人创新中心开源社区负责人董建宇解释了“天工”之所以技术开源的原因：开源之后，天工的运动控制技术就可以在不同开发者的场景里进行训练，适应更复杂的地形，完成更复杂的动作和任务；众多开发者加入进来，也能加速天工运动控制算法在工业场景、物流场景、特种作业场景等高复杂环境下规模化应用。按照开源社区的协议，其他开发者也会将二次开发的代码反哺给社区，共同扩大人形机器人的技术生态。

运动控制的秘笈向行业开放后，其他人形机器人是否会“追”上“天工”？

“天工的运动控制能力会不断升级和迭代。开源之后，我们收到更真实的一线反馈，看到真实场景里的更多需求，倒逼着天工不断进行技术创新和突破，不断实现技术上的领先。”董建宇说，天工的运动控制框架也会随着技术的迭代，不断开源新的版本。

当前，TienKung-Lab已在OpenX-Humanoid开源社区、Github、Gitee等平台开放下载。