机械工程学报 ›› 2026, Vol. 62 ›› Issue (17): 168-178.doi: 10.3901/JME.260766
• 特邀专栏:人形机器人与具身智能 • 上一篇
齐健, 赵思恺, 赵宁, 杨致远, 周楠林, 梁大伟, 罗航, 郑天骄, 赵杰, 朱延河
QI Jian, ZHAO Sikai, ZHAO Ning, YANG Zhiyuan, ZHOU Nanlin, LIANG Dawei, LUO Hang, ZHENG Tianjiao, ZHAO Jie, ZHU Yanhe
摘要: 足式机器人在复杂恶劣环境中执行任务时,关节故障极易导致基于无故障模型设计的运动策略失效,机器人的运动性能显著下降甚至完全丧失。针对该问题,以模块化双足机器人为研究对象,提出一种面向关节故障的强化学习运动控制框架,使机器人仅通过单一控制策略即可同时适应健康状态与多种关节失效模式。框架采用非对称Actor-Critic结构,在Critic网络中引入包含故障状态的特权信息,并设计关节故障掩码以覆盖多样化的失效场景。训练过程中,提出渐进式故障课程学习方法,引导智能体先学习无故障基础运动,再逐步过渡到适应不同关节故障;同时引入故障率机制,协调健康与故障状态下的经验积累,避免遗忘已习得的运动技能。在IsaacGym仿真平台上进行实验,从速度追踪、抗干扰鲁棒性、轨迹跟踪等方面验证所提方法的有效性。结果表明:该方法在全部12个关节发生零力矩失效时均能保持稳定行走;与仅添加故障掩码的方法相比,速度追踪误差降低8.3%。进一步将故障模型扩展为力矩衰减和关节锁死故障,与基于师生策略的强化学习容错方法相比,所提方法在两种故障下的平均速度追踪误差分别降低23.5%和30.4%。研究揭示了模块化双足机器人不同关节对故障的敏感度差异,为提升机器人在关节失效条件下的自主生存能力提供了新的技术途径。
中图分类号: