南京大學研發人形機械人協作進行長繩跳躍實驗

兩個人形機械人以完美的節奏轉動繩索，而第三個則在其間跳躍，聽起來彷彿是在遊樂場的場景。南京大學的研究人員剛剛建立了使這一切成為可能的人工智能系統。研究團隊表示，這標誌著多個人形機械人首次學會在如此精確的共同物理任務中進行協作。這一系統名為 Marope，旨在教導機械人協調長繩跳繩。這項遊戲通常需要兩個人轉動共同的繩索，而第三個則在節奏中跳過。

長繩跳繩的挑戰

研究人員在一篇預印本論文中詳細介紹了他們的方法，並在專門的項目頁面上發布了演示視頻。長繩跳繩這項任務的挑戰性在於，它與目前大多數機器人運動研究所面臨的挑戰截然不同。以往的人形運動項目，包括打乒乓球、跳舞或跑步的機械人，通常只涉及單一機械人獨立行動或對外部物體做出反應。而跳繩則真正要求多機械人的團隊合作。兩個機械人必須以協調的動作擺動共同的繩索，同時保持平衡與站位。

繩索本身在轉動時會不可預測地彎曲和變形，其形狀無法像剛性物體那樣直接控制。更重要的是，轉動者必須將他們的擺動時間和跳躍者的節奏匹配，後者的節奏可能會有所變化。

Marope 通過分階段的方式來解決這一問題。首先，兩個轉繩機械人透過多智能體強化學習學習一個共享的去中心化策略，以擺動繩索。這使得每個機械人能夠控制自己的動作，同時產生協調的繩索運動。然後，一個單獨的調度策略在此基礎之上，實時調整轉動者的命令，確保繩索的旋轉與跳躍者的節奏對齊，避免碰撞。最後，研究人員訓練跳躍機械人進行各種跳躍風格，使系統能夠針對不同的夥伴進行泛化，而不僅僅是依賴一種可預測的跳躍模式。

Marope 的實際應用

研究人員在模擬中評估了 Marope 與幾種簡化的基線方法的效果，包括通過一個綜合策略控制兩個轉繩機械人的單一代理版本。根據論文中報告的結果，Marope 的方法在減少繩索跟蹤誤差和降低足部滑動方面相比基線方法表現更佳。研究團隊還將該系統部署於實際的 Unitree G1 人形機械人。在這些測試中，該設置成功協調了人形機械人之間的轉繩以及人形機械人與人類之間的轉繩。

此外，它還處理了涉及人類和人形參與者的跳躍場景，根據論文和隨附的演示視頻所示。

研究團隊對 Marope 現階段的不足之處持直言不諱的態度。該框架專門為長繩跳躍而設，並未自動泛化至其他協作的人形任務。當前系統僅能處理單一跳躍者，像雙人跳等更複雜的形式仍未解決。團隊依賴運動捕捉系統來實時追蹤繩索和參與者。這一設置需要在實際場景中使用機載傳感器，才能使人形機械人現實地與人類協調。研究人員將向機載感知的轉變描述為未來工作的有希望方向。

Marope 系統的潛力與挑戰

Marope 系統的成功展示了多機械人協作在複雜任務中的潛力，特別是在跳繩這類需要精確協調的活動中。該系統不僅提升了機械人之間的協作能力，還能與人類參與者進行互動，顯示出其在實際應用中的可行性。然而，系統目前的局限性，如無法自動泛化至其他任務，及對單一跳躍者的依賴，顯示出未來發展的挑戰。研究團隊已經意識到這些問題，並計劃在未來的工作中探索更廣泛的應用。