一組來自 Amazon Frontier AI Robotics (FAR) 和加州大學柏克萊分校 (UC Berkeley) 的研究人員推出了一個名為感知人形跑酷（Perceptive Humanoid Parkour, PHP）的新框架，旨在讓人形機器人能像人類一樣行走和行動。這個框架使得機器人能夠具有人類般的靈活性，能夠在城市或自然環境中跑步、跳躍和攀爬障礙物。該框架的計算模型基於跑酷的錄像，這是一項流行的運動，參與者需要運用各種運動技能來穿越不同的環境。
儘管近期在人形運動學方面的進展使得機器人能在多種地形上穩定行走，但捕捉高度動態的人的動作的靈活性和適應性仍然是一個挑戰。研究團隊指出，PHP 框架在之前的人形運動學工作中有所改進。特別是在複雜環境中的敏捷跑酷不僅要求低層次的穩健性，還要求人類般的動作表達、長期技能組合和感知驅動的決策能力。
為了實現這一目標，研究人員收集了一個參與者在跑酷過程中執行各種動態動作的視頻數據集，然後將這些動作分解成更小的獨立動作，這些動作可以組合成一系列流暢的動作。研究人員表示，第一種方法利用運動匹配，將其形式化為特徵空間中的最近鄰搜索，以將重新定位的原子人類技能組合成長期的運動軌跡。這一框架使複雜技能鏈的靈活組合和流暢過渡成為可能，同時保持動態人類動作的優雅和流暢性。
人形機器人的控制器通過使用強化學習，對從數據集中提取的動態跑酷動作進行訓練。最初，它們被訓練以執行特定的動作，然後被提煉成一個統一的控制器，該控制器使用視覺輸入來計劃和協調機器人在其環境中有效穿越障礙的動作序列。作者寫道，感知和技能組合的結合使得自主的、上下文感知的決策成為可能：機器人僅使用機載深度感測和離散的 2D 速度指令，選擇和執行是跨過、攀爬、翻越還是滾動過各種幾何形狀和高度的障礙物。
研究人員使用了一台 Unitree G1 人形機器人進行實驗訓練，以評估框架的影響。他們已經通過現實世界的活動驗證了他們的框架。經過框架訓練後，這台人形機器人展示了高度動態的跑酷技能，例如能夠攀爬高達 1.25 米（佔機器人高度的 96%）的高障礙物，以及長期多障礙物的穿越，並能實時適應障礙物的變化。
研究人員對 PHP（感知人形跑酷）能夠讓人形機器人感知世界並即時決定動作感到興奮，這包括跑步、翻越、攀爬和線上適應。預計將很快全面開放源碼。這一強化學習框架由 Zhen Wu、Xiaoyu Huang 和其他聯合作者開發，並在 arXiv 上發表的論文中概述，該框架可能使達到所需的人形運動學水平變得更快、更高效。
