陈建宇团队提出一种新颖的DoReMi机器人规划决策框架和一款新型双腿轮足机器人Whleaper

图1. DoReMi框架概览

陈建宇团队探究了这个问题，提出一种新颖的框架来解决上层规划和执行不对齐的问题。基于语言模型的推理能力，在产生规划的同时，也让语言模型输出规划的约束。为了自动化地检测这些约束，团队使用视觉语言大模型统一地检测各种约束。同时为了让视觉语言模型更好适配不同机器人型号，团队使用少量数据对视觉语言模型进行微调，使得其回答更加准确。

图2. DoReMi使用LLM产生规划和约束，并用微调的视觉语言模型检测异常

在实验中，团队在仿真的机械臂环境，仿真的人型机器人环境都进行了大量实验，该框架展示了良好的恢复能力，能从各种异常中自动回复，例如可以自动从瘫倒的积木，掉落的物品等情况进行恢复，从而完成复杂的长时间域任务规划。

图3. 丰富的实验环境：仿真机械臂、仿真人型环境，小星人型机器人硬件平台

DoReMi有潜力发展为通用的规划-执行框架。本论文共同第一作者包括上海期智研究院实习生、清华大学博士生郭彦江，上海期智研究院实习生、清华大学硕士生王彦仁（现加州伯克利大学博士生），清华大学本科生查理涵（现普林斯顿大学博士生），通讯作者为陈建宇助理教授。

图4. Whleaper机器人的整体结构和自由度配置

图5. Whleaper机器人的腿部结构

☺ 高性能的双腿轮足机器人控制系统

Whleaper的硬件系统集成了高精度IMU传感器、10台高扭矩电机以及高速的CAN和EtherNet通讯架构，确保其在实时环境中能高效进行反馈控制。

图6.Whleaper 控制系统的硬件架构

Whleaper的控制系统集成LQR和RL算法，分别针对滑行、平衡控制以及行走、跳跃等运动任务进行了专门优化。LQR主要用于提升行进过程中的平衡性，RL则扩展了机器人运动模式，使其能够更灵活地应对多种复杂任务。

图7. Whleaper 的控制框架

☺ 多模态运动实现

Whleaper具备出色的多模态运动能力，通过精细控制其10个自由度，能够灵活执行各种复杂的运动任务。对比实验结果表明，髋关节的高自由度设计显著提升了机器人的灵活性，使其在复杂场景中能够更高效地应对避障需求。

在实际场景中，Whleaper同样表现出色，能够顺利完成包括跨越障碍、快速转弯和避障滑行等动作，充分展示了其在多样任务和真实应用中的巨大潜力。该机器人专注于高自由度的结构设计及控制方法，也为双腿轮足机器人领域提供了新的发展思路。

图8.  Whleaper 机器人在不同自由度下的仿真实验

图9.  Whleaper 机器人在仿真与现实中的运动表现

本论文一作为清华大学博士生朱颖雷，清华大学本科生何思晓，通讯作者为陈建宇助理教授。共同作者为清华大学本科生齐政皓，雍卓远，秦一骅。