获奖时刻｜祝贺陈建宇团队成果荣获RSS 2024杰出论文入围奖

       近日，清华大学交叉信息研究院助理教授、上海期智研究院PI陈建宇团队与星动纪元合作完成的《进阶人形机器人运动控制：透过去噪世界模型学习掌握具有挑战性的地形》（Advancing Humanoid Locomotion: Mastering Challenging Terrains with Denoising World Model Learning（DWL））获得机器人领域难度最高的顶会Robotics: Science and Systems 2024年杰出论文奖入围（共三篇）。该会议于2024 年7 月15 日至19 日在荷兰代尔夫特理工大学举办，获得此项荣誉的论文比例不到投稿总数的1%。

颁奖典礼现场

       现代环境设计以人类需求和能力为核心，人形机器人因其类似人类骨骼结构在移动性方面展现显著优势。传统步态控制技术如零力矩点（ZMP）、模型预测控制（MPC）和全身控制（WBC）取得了进展，但受限于环境动力学的精确建模。相对而言，强化学习（RL）对环境建模的需求较低，近期无模型RL的进展展示了创建普适性腿部运动控制器的潜力，使机器人能从多样环境中学习并适应，性能常超越传统模型控制方法。

       为应对人形机器人控制的挑战，陈建宇团队提出去噪世界模型学习（DWL）技术，优化机器人在复杂地形中的能力。DWL已在小星（XBot-S）及小星max（XBot-L）上验证，全球首次实现端到端RL和零样本仿真到现实转换，使机器人在包括雪地倾斜面、楼梯等地形上稳定行走，抵抗外部干扰。DWL的成功归功于其创新的表示学习框架，通过去噪缩小仿真与现实的差距，并提出了主动2-自由度踝关节（闭环运动链踝机制）的控制方法，显著增强了机器人的鲁棒性。

DWL算法过程

此项工作由陈建宇团队与星动纪元合作完成。本论文共同第一作者为星动纪元的工程师谷心洋，上海期智研究院实习生、清华大学交叉信息研究院硕士生王彦仁、博士生朱翔，清华大学交叉信息研究院博士生施铖铭。

会议演讲，右起王彦仁、谷心洋