ImpedanceMimic: Learned Impedance as Action Space for Force-Accurate Motion Imitation
Matthias Jammot, Pembe Gizem Özdil
cs.RO, cs.GR, cs.LG
2026-11-14
用强化学习逐关节调节刚度与阻尼,在129人、六类动作上把关节误差做到2.28°,垂直反力相关0.80,推理不读测力台。
同一段动作可以由不同力矩产生,脚上的地面反力不能从运动学唯一确定。测力台出不了实验室,鞋垫只给垂直分量而且会漂。直接回归反力,腾空时仍可能加载地面,压力中心(脚底合力作用点)也会落到脚掌外,这样的映射也驱动不了仿真身体。
物理引擎里跟踪录好的动作,接触力由接触模型算出,动态一致是自动的。策略通常只出位置目标,固定增益 PD 再把位置误差变成力矩。2017 年的动作空间比较里,固定 PD 最跟得上姿势,后来的角色控制大多沿用。力加入考核之后,接触要关节硬、摆动要阻尼低,固定增益只能偏向一边。
参考姿态附近,位置偏移是唯一的力矩杠杆。刚度得盖过逆动力学力矩除以偏移幅度,不然就得在姿势和力之间丢掉一边。物理步长 2 ms 时,阻尼要小于约 2I/h 才稳定;摆动只带动脚,接触期够用的阻尼会在离地后把力矩打满限幅。单关节杆上两条界是 32 Nm/rad 和 20 Nm·s/rad。
动作是 15 个驱动关节各自的刚度残差、阻尼残差和位置偏移,从 15 维增到 45 维。增益取该人静止惯量先验的指数倍数,刚度对数尺度 1.25,阻尼 1.5,恒为正。同一倍数在不同体型上对应相近的闭环频率,策略因此不读身高、体重或编号。变化再过 50 ms 一阶滞后,免得增益突变变成力尖峰,也迫使触地前变硬。
推理不读测力台。观测 215 维,含本体感觉,以及未来 10、50、250 ms 的关节偏差、估计反力和足端位置。估计器先按质心加速度分力,再用冻结的残差网络修正,见过的人垂直相关 0.979,没见过的人 0.943。实测力只在训练时使用,推理阶段的 Actor 看不到。反力奖励权重从 0.25 升到 0.5。
数据为 9 个公开集、129 人、20.2 小时,体重 44 到 126 kg,身高 1.46 到 1.95 m,六类动作是走、跑、站、侧向、屈曲、跳。每人一个无手臂 Rajagopal 模型,放进 MuJoCo Warp。PPO 训 20 亿步、8192 个世界。一次约 1.3 GPU 小时。
见过的人、留出约两成片段,六类平均见下表。GaitDynamics 只回归力,不进控制器排名。
| 方法 | 存活率 | 关节角 RMSE | 垂直 GRF 相关 | 侧向 GRF 相关 |
| GaitDynamics | 不适用 | 不适用 | 0.91 | 0.92 |
| 固定增益 PD | 93.0% | 2.91° | 0.73 | 0.53 |
| 直接力矩 | 95.4% | 4.48° | 0.82 | 0.62 |
| 肌肉激励 | 84.8% | 7.18° | 0.77 | 0.62 |
| ImpedanceMimic | 96.9% | 2.28° | 0.80 | 0.70 |
走和跑的垂直相关为 0.98 与 0.99,关节误差 1.66° 与 2.24°。站立只有 0.56,双支撑定不了两脚如何分载。直接力矩垂直相关 0.82,略高于 0.80,多出来的主要在站立,关节误差大约翻倍。改到每个物理步出力矩,仍是 4.55° 对 4.48°。去掉反力奖励后,各动作空间的关节误差下降,垂直相关也下降。
没见过的 22 人(49 到 93 kg)存活 98.1%,关节误差 2.45°,垂直相关 0.76。仿真 Unitree G1 重 33 kg、高 1.32 m,比 107 名训练者都轻、都矮,存活由 98.1% 降到 82.1%,固定 PD 与力矩降到 56.9% 和 44.0%。留出一整类动作,存活 89.6%,垂直相关 0.72,比六类全训少约 7 个点,基线少 16 到 23 个点。走路被留出时,垂直相关从 0.98 掉到 0.66。
踝刚度在足跟着地时为名义值的 0.6 倍,蹬伸时 1.5 倍,接触期均值与峰值垂直力相关 0.93。阻尼于离地前 128 到 196 ms 见顶,离地时约剩三分之一。一个周期的增益经前十个主成分,认出动作的宏召回为 92.5%。隐式阻尼(把阻尼放进积分器)下关节误差 2.22°,既有模仿控制器 PHC 为 8.66°。
侧切与跳跃的腾空帧,回归器仍有 30% 与 39% 在加载地面,这里是 11% 与 17%,属于触地时机偏差。承重帧里压力中心出脚掌的比例,回归器为 6% 与 17%,这里至多 0.2%。
固定增益 PD 是角色控制的默认动作空间,旧评测几乎只看姿势。同一套力对照下,它用姿势换力。学习阻抗留着每个物理步的局部反馈。
一条策略覆盖 129 人、六类动作和分脚接触力,推理只吃参考运动学,换身体靠惯量先验。单周期增益不看动作也不看力,宏召回 92.5% 能分出类别。动力假肢若改用这种阻抗,力估计得先变成因果,现有前瞻最多用到未来 400 ms。
垂直相关仍低于专用回归器。换来的是接触力由关节力矩和脚底模型实现,控制器能零样本换到另一具身体。
模型没有手臂,人用来恢复平衡的摆臂不在回路里。非周期动作只占训练片段的 16%,跳跃存活 83.8%。站立的垂直相关只有 0.56,回归器也只到 0.75。
仿真省掉了执行器带宽、静摩擦和力矩限制。真机步长更短,阻尼上限被抬高,学到的阻尼偏保守。G1 的数字来自重定向仿真,参考力只是质心先验。
踝刚度上升比 2014 年人体测量更平,安静站立只提供倾倒刚度的 0.4,人体约 0.9。stable PD(用下一状态计算反馈)下存活 93.8%,两倍先验的固定 PD 为 96.6%,屈曲是 85.1% 对 99.0%。先验加倍没有提高过垂直相关。策略依赖未来 10、50、250 ms 的参考轨迹,没有未来信息的在线控制并未测试。SimPoE 去掉骨盆外力后,存活掉到 85%、80% 和 56%,这股力提供了一半以上的内外侧向力。