VinRobotics Humanoid Robots Reaching Human-Level Walking Speed

声明：文档由AI根据原文生成。

VinRobotics以强化学习突破重型人形机器人行走控制

VinRobotics工程师将基于强化学习（RL）的运动控制方法应用于人形机器人训练，使其在大型重型平台上仍能保持稳定且自然的行走。

三大核心技术支柱

该技术体系建立在三项核心设计之上：

一、步态奖励设计（相位感知，生物启发）

研究团队重新设计了运动控制目标函数，引入运动相位提示与人类生物力学先验知识，使策略网络学习平滑、高效的自然步态，而非仅追求"快速移动"或"避免跌倒"。

二、域随机化实现仿真到现实迁移

由于从零自主掌控人形机器人的物理设计，团队对关键动力学参数进行随机化处理。这增强了控制器对建模误差与现实环境变化的鲁棒性，提升了实际部署的可靠性。

三、课程学习

训练采用分阶段递进策略，逐步提升难度，确保策略在进阶前充分掌握每一级的平衡与控制技能。该方法对重型平台的稳定性尤为关键。

应用机型

相关视频展示了VinRobotics研发的高端人形机器人VR-H3，该机型身高178厘米，体重85公斤。