OpenLoong_的博客

我们需要的，不只是更强的大模型，更是更紧密的协作网络。本篇将深入剖析控制大脑（C）的核心职能与实现路径，介绍如逆运动学、模型预测控制、动态阻抗控制等关键技术，解析真实落地项目中的工程方案，并探讨以C大脑为代表的控制模块，如何正在与上层大模型进一步融合，迈向端到端的一体化智能架构。同时，我们也将展望其未来可能的演化方向——从模块化向紧耦合、从指令驱动到语义内生、从“ABC串联”向“AB融合C”或“端到端一体化”的新范式转变，探讨ABC大脑如何成为支撑通用型具身智能体的关键基础架构。因为这种模块化架构不仅。

由国家地方共建人形机器人创新中心发起的 OpenLoong 项目，是业内首个全栈、全尺寸的开源人形机器人项目，有着人人都可以打造属于自己的机器人的美好愿景，旨在推动人形机器人全场景应用、助力具身智能时代的到来。具体来说，B模块负责任务拆解、行为生成、动作组合与动态调整，是机器人“该怎么做”的关键中枢。ABC大脑结构从“感知-认知”到“规划-决策”再到“控制-执行”，明确划分了机器智能从接收信息到行动反应的任务链条，是许多机器人系统（如LoCoBot、OpenLoong等）背后的系统设计基石。

"OpenLoong" 是全球领先的人形机器人开源社区，秉承技术驱动与开放透明的价值观，致力于汇聚全球开发者推动人形机器人产业发展。由国家地方共建人形机器人创新中心发起的 OpenLoong 项目，是业内首个全栈、全尺寸的开源人形机器人项目，有着人人都可以打造属于自己的机器人的美好愿景，旨在推动人形机器人全场景应用、助力具身智能时代的到来。若您有更多想法或问题，欢迎，在论坛发起讨论，与国地中心的技术专家深入交流，碰撞出更多技术灵感与实践火花！

作为全球第一款数字人动作生成和控制具身大模型，MotionGPT 借鉴了 ChatGPT 语言模型的经验上，在包括文本驱动的动作生成、动作描述、动作预测和动作衔接等多个动作任务上拥有出色的表现。未来的机器人、虚拟数字人乃至混合现实中的智能体，将不再是冷冰冰的命令执行器，而是能理解意图、感知环境、自主行动的真正“智能存在”。”为基础，构建闭环仿真训练体系，同时推动从“形似”向“神似”过渡，构建基于“人-机-物”协同的群体智能架构，实现从“单智能体”到“智能体社会”的跃迁。这一模型不仅理解自然语言，更能。

一种能够直接采用点云数据作为输入，并对第一人称视角的文本指令和视觉提示作出具身反应的大模型，在三维密集描述和问题回答任务中取得业界领先成果，让机器人对三维世界的认知更精准深入。本文基于复旦大学陈涛教授在“格物”具身智能仿真平台发布会上的演讲整理而成，深入解析具身感知与生成大模型的核心框架、关键突破与发展路径，勾勒出一幅未来智能体“动起来”的技术全景。在生成式人工智能席卷全球的当下，下一场重大技术变革，或许将不再发生在“屏幕内”的文本生成，而是迈向现实世界中的感知与行动。等代表性成果，形成产学研联动态势。

在前两篇中，我们依次讲解了“如何创建一个地形”以及“如何将地形添加到训练环境中”。从基础出发，逐步构建机器人可交互的三维仿真环境。在机器人强化学习训练中，地形的复杂度决定了策略的泛化能力，仅靠 jump_plat 和 jump_pit 等基础地形，难以满足真实场景下的鲁棒性需求。今天，我们将进入更复杂的训练场景：台阶地形与金字塔形台阶地形，它们是机器人强化学习中不可或缺的“能力测试场”。

上一篇文章讲了如何创建一个机器人训练地形，本篇文章将一步讲解如何添加地形到训练环境。

机器人强化学习中的地形训练是利用强化学习算法让机器人在不同地形环境中通过试错学习最优行为策略的过程，通过环境建模、策略学习与优化等环节，使机器人能够自主适应复杂多变的地形，提高其移动效率、稳定性和自主性，减少人为干预，从而在实际应用中更好地应对各种复杂场景，提升机器人在复杂环境中的性能和可靠性。

在机器人运动控制的强化学习训练中，选择合适的仿真平台是影响训练效率与模型性能的关键因素之一。不同仿真工具在并行计算能力、物理精度、系统兼容性等方面各有优势与局限。本文将基于青龙人形机器人训练中的实际经验，对 Isaac Gym 和 MuJoCo 两款主流仿真平台进行对比分析，并在最后介绍自主研发的格物仿真平台，作为一种新的技术路径选择。

在过去，我们提到机器人，脑海里常常浮现的是冰冷、机械的手臂，或者在工厂里重复作业的设备。而现在，机器人正变得越来越像“活物”——它们能跳跃、奔跑、甚至自己学习、适应环境。特别是足式机器人（比如“机器狗”、“仿生猎豹”）的兴起，不仅让我们重新审视了“机器人”这个词的定义，也引发了一个重要问题：机器人如何像动物一样，灵活、聪明地应对复杂世界？答案藏在两个关键词里：仿生启发 和 强化学习。

在科技飞速发展的今天，人形机器人正逐渐从科幻走向现实，具身智能基础模型新开发范式的出现，更是为这一领域带来了前所未有的变革与机遇。来自国地共建人形机器人创新中心（以下简称“国地中心”）的研发总监邢伯阳为我们详细介绍了这一创新开发范式，让我们得以一窥人形机器人未来发展的新方向。

当技术爆炸，人形机器人不再是工具，而是思考者，甚至是创造者，人类将如何自处？传统路径规划的局限性在于，轮式机器人可以精确定位到绝对坐标，但人形机器人控制精度有限，很难保证直接到达某个准确点，而是只能大致到达区域，再进行二次导航（局部调整）。而接下来，我们将进入这场探索之旅的下半场，聚焦于人形机器人的规划与导航技术，探讨它们如何在复杂环境中实现自主导航，以及未来的发展方向。，机器人可以基于环境理解选择更优路径，如“走楼梯 vs 坐电梯”，LLM可以提供更灵活的策略决策，如“避免拥挤区域，选择更快捷的通道”。

人形机器人的拟人化形态使其能够无缝融入我们的世界，无需对现有基础设施进行大规模改造，高自由度的运动能力使其能够操作工具、攀爬楼梯，适应各种非结构化环境。它们是机器人技术的集大成者，通过研发人形机器人，我们可以验证这些技术的成熟度与协同能力，推动整个机器人领域的发展。这是一场跨越哲学与技术的旅程，让我们一同启程，揭开人形机器人的神秘面纱。以上内容只是人形机器人感知导航探索的序章，在下篇中，我们将深入探讨人形机器人的规划与导航技术，揭示它们如何在复杂环境中寻找最优路径，如何与人类协同工作，以及未来的发展方向。

本文介绍了“格物”仿真平台的核心功能、技术创新、使用流程及未来愿景等。“格物”平台旨在降低机器人强化学习和运动控制的技术门槛，提供一站式仿真训练环境，加速机器人智能体的开发与应用。

灵巧手的工作空间是衡量其操作能力和灵活性的重要指标，了解灵巧手的工作空间不仅能为机器人设计提供理论依据，还能推动机器人在更多实际场景中的应用和发展，尤其是在复杂的工业生产、医疗手术、物流搬运等领域。

机器人仿真平台在机器人开发中发挥着重要作用，其发展历程值得深入探讨。它由模型描述、动力学引擎和渲染引擎三大核心组成，并广泛应用于 Webots 、PyBullet、MuJoCo 和 Isaac 等常见仿真工具。此外，NVIDIA 的 Cosmos 平台和 World Labs 等世界模型技术，能够通过生成合成数据、优化数据处理和提升仿真环境的逼真度，为机器人开发提供高效、低成本的解决方案。

本篇文章会介绍国家地方共建人形机器人创新中心（下文简称“国地中心”）智能交互团队基于 Mobile ALOHA 系统，针对多样化复杂场景中人形机器人的遥控操作与自主作业展开研究，开发基于 Transformer 的模仿学习训练框架，部署于青龙全尺寸仿人机器人，实现了典型任务的自动化数据生成与作业控制，助力未来机器人项目发展。下面详细介绍 Aloha 项目的复现过程，模型对比，以及我们在此基础上进一步的研究。

本文深入剖析了青龙全尺寸通用人形机器人硬件平台的设计理念、流程及关键系统设计。全方位介绍了青龙硬件系统的设计内容，涵盖总体设计、构型设计、功能划分与设计、行走与驱动系统设计、操纵与作业系统设计、能源动力系统设计以及感知与控制系统设计等方面，各部分均详细阐述了设计的关键点与技术细节。此外，文章还对人形机器人直线关节技术进行了探讨，为相关技术研究与应用提供了有价值的参考。

双足人形机器人作为机器人技术领域的一个重要分支，不仅可以适配人类的生存环境，还可以承担许多危险或重复性工作任务。然而，其腿部设计的复杂性决定了运动性能的上限，同时也是当前技术进步的核心挑战之一。在此，结合行业研究报告，深入探讨双足人形机器人腿部设计的核心技术、创新趋势和未来发展方向。

上篇文章概述了人形机器人运动控制技术的发展历程和现状，讲解了基于MPC与WBC的运动控制算法框架。国地中心已将该传统控制框架成功部署于实物，并开源了相关项目在 OpenLoong 动力学控制仓库中。本文将介绍 OpenLoong 动力学控制仓库的相关内容，展示仓库的讨论度与开发者案例，并对常见问题进行分析。

春节期间，DeepSeek 凭借其出色的表现引发了广泛关注，成为 AI 领域的新焦点。这一现象不仅反映了 AI 技术在当前市场的热度，也揭示了未来 AI 发展的多个重要趋势。具身智能将成为 AI 的重要发展方向，通过机器人的身体与环境的交互，AI 能够更好地理解和适应物理世界。

人形机器人作为机器人领域中的一个重要分支，其驱动系统决定了其性能、灵活性及实际应用效果。人形机器人的驱动形式多种多样，主要包括电驱动、液压驱动和气动驱动等，气动驱动的人形机器人相对较少，本文不做分析。每种驱动方式都有其独特的应用场景、优缺点和技术特点。本文将对这些驱动形式进行介绍，并结合国内外相关发展情况进行分析。

本文将深入探讨人形机器人硬件平台的关键技术、产业链与核心部件以及降低成本的策略。从硬件平台的核心技术，到机器人核心零部件的详细介绍，再到产业链各环节的协同发展以及实现低成本化的创新思路，将一同剖析人形机器人迈向广泛应用所面临的挑战与机遇，展望其未来的发展趋势，为开发者和相关从业者提供一些参考与启示。

人形机器人的运动控制系统决定了它的行动能力和反应速度，是实现其自主性、灵活性和智能化的关键。在2024年12月20日至21日举办的开放原子开发者大会期间，国家地方共建人形机器人创新中心的运动控制系统专家马老师在人形机器人分论坛上发表了题为《从算法到实践：基于 MPC 与 WBC 的人形机器人运动控制的实现》的主题演讲，概述了人形机器人运动控制技术的发展，介绍了MPC与WBC算法框架，并对 OpenLoong 动力学控制开源仓库的实践经验进行分享。