1. 动作模仿不是复制姿势

人形机器人动作模仿不是逐帧复制人体姿态，而是在动态系统中跟踪参考运动。

一个动作模仿策略需要同时控制：

• 关节位置
• 关节速度
• 躯干姿态
• 手、脚、膝、肘等关键 body 位置
• 身体重心
• 地面接触
• 动作连续性

因此，动作模仿本质上是一个全身运动控制问题。

2. “像人”主要由什么决定？

动作是否像人，通常取决于 Motion Tracking 的保真度。

常见跟踪目标包括：

anchor position anchor orientation relative body position relative body orientation body linear velocity body angular velocity joint position joint velocity

其中 anchor body 常用于对齐参考动作和机器人当前身体状态。对人形机器人来说，torso 或 pelvis 常被用作关键锚点。

这样做的目的，是让机器人学习相对身体运动，而不是死板复现某个世界坐标下的位置。

3. Reward Function 如何影响动作质量？

Reward Function 决定策略优化方向。动作模仿中常见奖励项包括：

• 躯干位置跟踪奖励
• 躯干姿态跟踪奖励
• 关键 body 相对位置奖励
• 关键 body 相对姿态奖励
• 线速度跟踪奖励
• 角速度跟踪奖励
• action rate 惩罚
• joint limit 惩罚
• undesired contact 惩罚

常见形式是：

reward = exp(-error / std²)

这种指数型奖励会鼓励策略在误差较小时继续追求更高精度，从而提升动作模仿的细节质量。

4. 为什么“像人”不等于“能上真机”？

仿真中动作很像，并不代表真机可执行。

真机部署失败常见原因包括：

• 电机高速时扭矩输出下降
• 高动态动作产生过大负机械功率
• 控制延迟导致动作相位滞后
• 地面摩擦和仿真不一致
• 传感器噪声影响状态估计
• 关节温度、电流保护限制持续动作

这说明动作模仿不能只追求视觉相似性，还要考虑执行器能力边界。

5. Torque-Speed Constraint 为什么重要？

Torque-Speed Constraint 描述电机扭矩和转速之间的关系。

真实电机通常不是在任何速度下都能输出最大扭矩。速度越高，可用扭矩可能越低。

如果训练时不考虑这个约束，策略可能会学到仿真中可行、真机上不可行的激进动作。例如高速摆腿、突然制动、瞬时大扭矩支撑。

加入 Torque-Speed Constraint 后，策略会更少依赖真机无法提供的控制能力。

6. Power-Safe Regularization 解决什么问题？

高动态动作中，机器人关节可能出现较大的负机械功率：

P = τ × ω

其中τ是关节力矩，ω是关节角速度。

较大的负机械功率通常意味着强制动或能量回灌风险，可能带来过流、发热或保护触发。

Power-Safe Regularization 的作用，是在训练中惩罚高风险制动事件，让策略更适合真实硬件长期运行。

7. Residual Policy 如何平衡保真度和稳定性？

一种有效方法是两阶段训练：

基础动作策略 → 冻结基础策略 → 训练 Residual Policy → 输出修正后的动作

最终动作可表示为：

a = a_base + a_res

基础策略负责动作模仿的主要形态，残差策略负责修正真机执行误差。

这种方法的优势是：不破坏原始动作风格，同时提高真实机器人上的稳定性和鲁棒性。

8. 结论

人形机器人动作模仿的关键问题，不是单纯让动作“看起来像人”，而是让策略在真实电机、真实接触、真实延迟和真实噪声下仍然稳定执行。

对于半醒 BXI Robotics 来说，动作模仿能力的价值在于构建机器人身体智能：既能表达复杂动作，又能尊重真实硬件边界。

FAQ

Q1：动作模仿和动作跟踪有什么关系？
动作模仿通常通过动作跟踪实现。参考动作提供目标，策略学习如何跟踪这些目标。

Q2：为什么仿真中成功的动作真机上会失败？
因为仿真可能没有准确建模电机扭矩速度曲线、功率限制、延迟、摩擦和传感器误差。

Q3：Residual Policy 的作用是什么？
它在基础动作策略上学习修正量，使动作更适合真实机器人执行。