KLEIYN：一种具有主动腰部关节的四足机器人，用于运动与爬墙

编辑：陈萍萍的公主@一点人工一点智能

摘要：本论文提出了一种名为KLEIYN的新型四足机器人，其具备主动腰部关节，能够在复杂地形中进行运动并实现垂直墙面的攀爬。研究背景源于当前四足机器人在动态运动和适应性控制方面的进展，尤其是在强化学习（RL）的推动下，机器人已能应对多种地面条件。然而，在具有显著高度变化的崎岖地形中，垂直运动能力仍然是一个未解决的问题。

KLEIYN通过引入腰部关节和准直驱关节，结合接触引导课程学习（CGCL）方法，成功实现了在宽度为800至1000毫米的墙面上的烟囱式攀爬，平均速度达到150毫米/秒，比传统机器人快50倍。此外，论文还表明，腰部关节的引入显著提高了在狭窄墙面的跟踪性能。

论文地址：https://arxiv.org/pdf/2507.06562

项目地址：https://keitayoneda.github.io/kleiyn-chimney-climbing/

引言

近年来，四足机器人的发展取得了显著进展，特别是在高功率、低减速比电机的应用以及基于强化学习的统一运动控制方面。这些进展使得四足机器人在不平坦地面、斜坡和滑动表面等复杂环境中表现出色。然而，大多数现有机器人仍局限于水平运动，垂直运动能力不足。尽管存在一些专门用于攀爬的机器人，但其结构通常过于专用，难以兼顾水平运动。

本研究旨在填补这一空白，通过开发具有主动腰部的四足机器人KLEIYN，实现运动与攀爬的双重功能。论文的主要贡献包括机器人的机械设计、学习方法的提出、攀爬行为的实现以及腰部关节效能的验证。

相关工作

2.1 腿式机器人的墙面攀爬

墙面攀爬通常分为两类：面攀爬和烟囱式攀爬。面攀爬机器人依赖于抓握墙面的凸起部分，例如LEMUR 3、SCALER和LORIS，但它们无法在光滑墙面上操作，且抓握机构会妨碍正常行走。相比之下，烟囱式攀爬通过双脚对墙面的推力实现攀爬，与行走机制更为一致，因此更适合兼具行走与攀爬的机器人。目前，唯一实现烟囱式攀爬的腿式机器人是六足机器人SiLVIA，但其速度慢、控制依赖预设轨迹，且缺乏躯干关节，限制了其在窄墙上的攀爬能力。

2.2 腿式机器人的运动控制

近年来，基于强化学习的控制方法显著提升了四足机器人的运动性能。例如，Hwangbo等人通过仿真训练实现了在多类地形上的统一控制。此外，通过随机化模型参数和引入外部扰动，增强了系统对建模误差和干扰的鲁棒性。课程学习策略通过逐步增加训练难度（如台阶高度）提高了学习效率。教师-学生学习和非对称演员-评论家方法进一步利用仿真中的可用信息，提升了真实世界中的适应性和控制稳定性。

四足机器人KLEIYN的设计

3.1 机械结构概述

KLEIYN是一款具有13个自由度（DOF）的四足机器人，每条腿3个自由度，躯干1个自由度。机器人重18公斤，体长760毫米，站立高度400毫米。躯干由前体连杆和后体连杆组成，通过腰部关节连接，实现俯仰轴弯曲。腿部设计基于开源金属四足机器人MEVIUS，采用准直驱关节，减速比为1:10，最大扭矩25 Nm。表I对比了KLEIYN与现有机器人的物理参数。

3.2 腰部关节设计

腰部关节采用俯仰轴旋转设计，通过机加工铝件构成框架，并通过预模拟应力分析验证其强度。为提高刚性，采用双支撑结构，电机输出通过1:9减速齿轮传递至旋转轴，实现准直驱配置，便于仿真到现实的转移。

3.3 电机扭矩适用性评估

攀爬运动所需扭矩远大于行走。通过建立动力学模型（图4-(a)），假设机器人质量为20公斤，忽略腿部质量，脚部受力均匀分布，摩擦系数为0.8。利用雅可比矩阵计算关节扭矩：

计算结果表明，存在一条曲线C（图4-(c)），在该曲线上布置脚部位置可使最大扭矩保持在10 Nm左右。考虑到实际操作中可能出现负载集中，选择最大扭矩约为20 Nm的电机。腰部关节需承受双腿的合力，因此其扭矩容量约为单腿关节的两倍。

基于强化学习的运动控制

4.1 控制框架

控制框架基于非对称演员-评论家方法（图5），演员负责基于局部观测生成动作，评论家利用仿真中的全局信息进行价值估计。动作空间为关节位置目标，通过PD控制器转换为扭矩输出。仿真训练使用Isaac Gym，通过随机化摩擦系数、质量和惯性矩等参数增强鲁棒性。

4.2 墙面攀爬学习

4.2.1 接触引导课程学习（CGCL）

为引导机器人学习支撑动作，论文提出CGCL方法，通过逐渐改变墙面过渡区域的曲率，从平滑曲线过渡到垂直墙面。初始阶段使用曲率半径r=0.3米的椭圆弧，逐步减小至r→0，实现完全垂直攀爬。同时，增加墙面粗糙度以提升适应性。

4.2.2 学习环境

仿真环境中设置宽度900–1100毫米的墙面，随机化摩擦系数（0.7–0.95）、链路质量和惯性矩，并引入随机速度扰动和外部力/扭矩。机器人初始位置为站立姿势（pz=0.4米），墙面高度4米。成功攀爬（pz≥3米）后重置位置，提高训练效率。

4.2.3 观测定义

演员观测包括角速度、重力方向、关节角度与速度、参考速度等；评论家观测额外包括距离、法向量、关节扭矩、全局状态、物理参数和外部力/扭矩。机器人原点设于髋关节，姿态为前后体连杆的平均方向。目标速度在0.0–0.6 m/s范围内随机指定。

4.2.4 奖励函数设计

奖励函数鼓励机器人跟踪目标速度、保持水平姿态、避免不必要的接触和关节超限。具体奖励项包括速度跟踪、姿态保持、接触惩罚、关节限位惩罚等，通过指数函数和二次项组合形式定义。

实验

5.1 仿真中的墙面攀爬

5.1.1 多宽度墙面攀爬

在750、900、1100毫米宽墙面上进行攀爬实验，目标速度0.5 m/s。机器人通过交替执行支撑相和摆动相实现攀爬，在摆动相转换时产生显著向上速度，表明其利用反冲力。即使在未训练的750毫米墙面也能成功攀爬，显示策略具有良好的泛化能力。

5.1.2 CGCL的有效性

通过改变参数r进行训练评估，发现在r=0.3–0.26米时模型能成功学习攀爬，r≤0.22米时完全失败，表明CGCL有效且存在阈值约在r=0.25米。

5.1.3 腰部关节对跟踪性能的影响

对比有无腰部关节的模型，发现带腰部关节的模型在窄墙上跟踪性能更优，速度变化更剧烈，反冲利用更充分。跟踪得分计算为速度奖励函数的平均值，结果显示腰部关节显著提升窄墙适应性和运动效率。

5.2 真实世界中的墙面攀爬

在800、900、1000毫米宽墙面上进行实验，目标速度0.5 m/s。机器人成功攀爬，平均速度170毫米/秒，最大高度1.0米。运动模式与仿真一致，包括反冲利用和滑腿恢复。但也发现仿真与现实的差异，如扭矩不足、向下速度较大、水平漂移和电机过热等问题，表明需进一步改进模型和学习策略。

5.3 真实世界中的运动能力

通过修改奖励函数和输入指令，训练运动策略并在室外环境中测试。机器人成功跨越150毫米台阶，在滑石表面上快速恢复平衡，证明学习策略的有效性和通用性。

结论

本研究成功开发了具备主动腰部的四足机器人KLEIYN，实现了运动与攀爬的双重功能。

通过烟囱式攀爬方式和强化学习，机器人在800–1000毫米宽墙面上表现出色。CGCL方法有效引导了攀爬行为的学习，腰部关节显著提升了窄墙上的跟踪性能和运动效率。

这些发现不仅推动了四足机器人在垂直运动方面的发展，也为未来在复杂三维环境中的应用提供了重要参考。