Interactive Design of Stylized Walking Gaits for Robotic Characters

问题背景

程序化动画（procedural animation）在虚拟角色的富有表现力步态设计中被广泛使用，但要把类似的工具搬到物理机器人上却困难重重。既有的动画技术基本”意识不到”物理机器人所施加的运动学与动力学约束：动画师精心编排的动作一旦部署到硬件上，往往因为触地约束被破坏、关节超限或质心动力学失稳而无法执行。

论文指出，为机器人角色做程序化动画有两大核心挑战：

1. 可行性约束：步态必须满足全身运动过程中固有的运动学与动力学约束（不穿地、不打滑、压力中心 CoP 始终落在支撑多边形内）。
2. 速度泛化：真实步态会随角色速度而变化，一个”风格”必须能连续泛化到前进、后退、转弯、侧移等一整段速度范围。

与此同时，近年主流的模仿学习 / 强化学习方法虽然效果惊艳，但侧重”技能”而非”风格”，且需要离线训练、无法给动画师即时反馈，因此不适合交互式创作工作流。这篇论文的目标是提供一个面向双足机器人角色、艺术家可直接驱动的交互式程序化动画系统。

核心方法

系统由三个紧密耦合的部件构成，配合一个固定的基于模型的控制栈（control stack）：

• 步态规划器（Gait Planner）：把随时间变化的平面输入速度 \(v(t)\) 映射为全身参考轨迹 \(r(t)\)，包括骨盆高度/朝向、左右脚位姿、上半身关节角。
• 步态采样器（Gait Sampler）：在若干个”关键速度样本”之间做相位空间混合（phase-space blending），从而把风格连续泛化到任意输入速度。
• 交互式步态编辑器（Gait Editor）：动画师用类似 Maya 曲线编辑器的 GUI 在关键速度上编辑样本，实时在仿真/物理机器人上看到效果。

整个流程的核心贡献在于完全实时、无需离线轨迹优化或训练步骤——因此可以直接在机器人硬件上迭代设计目标步态。

规划器输出向量为：

\[r(t) = \left[\, z_{\text{pelvis}} \;\; \boldsymbol{\theta}_{\text{pelvis}}^{\top} \;\; p_{\text{foot,l}}^{\top} \;\; p_{\text{foot,r}}^{\top} \;\; q_{\text{upper}}^{\top} \,\right]^{\top}\]

注意规划器不指定骨盆的水平平移 \([x_{\text{pelvis}}, y_{\text{pelvis}}]\)：该量与平衡所需的质心（CoM）动力学强相关，交由后端 MPC 来优化，实践中发现这样对步态风格几乎无影响，反而更自然。

运动分解

参考运动被拆成两部分：由输入速度决定、满足基本运动学与时序约束的名义分量（superscript \(v\)），和由动画参数向量 \(\boldsymbol{\Pi}\) 决定、编码风格的风格化分量（superscript \(\boldsymbol{\Pi}\)）：

\[ \begin{aligned} z_{\text{pelvis}} &= z^{v}_{\text{pelvis}} + z^{\boldsymbol{\Pi}}_{\text{pelvis}} \\ \boldsymbol{\theta}_{\text{pelvis}} &= \boldsymbol{\theta}^{v}_{\text{pelvis}}\,\boldsymbol{\theta}^{\boldsymbol{\Pi}}_{\text{pelvis}} \\ p_{\text{foot},\mu} &= p^{v}_{\text{foot},\mu} \oplus p^{\boldsymbol{\Pi}}_{\text{foot},\mu} \quad \forall \mu \in \{l, r\} \\ q_{\text{upper}} &= q^{v}_{\text{upper}} + q^{\boldsymbol{\Pi}}_{\text{upper}} \end{aligned} \]

其中脚部位姿用刚体变换复合算子 \(\oplus\) 组合，相当于把风格化脚姿表达在名义脚坐标定义的运动参考系里。

技术细节

步态参数化（可编辑的三类数据）

参数设计目标是在”最大化表现力、最小化参数数量、最小化设计时间”之间取得平衡，同时从参数空间层面就杜绝违反关键运动学约束的可能。三类可编辑数据：

• 时间区间（Time Intervals）：两步周期 CY、左摆动 LS、右摆动 RS。通过约束事件顺序 \(t_{LLO} < t_{LTD} < t_{RLO} < t_{RTD} < t_{LLO}+T_S\) 并对单双支撑相设最短时长下界，把可表达空间严格限制在”行走”范畴。
• 函数曲线（Function Curves）：用三次样条参数化的时变轨迹（脚部平移/旋转、骨盆高度/旋转、上半身关节角）。脚部旋转由四个角 \((\theta, \psi_{\text{heel}}, \psi_{\text{toe}}, \gamma)\) 表示；受”反向足部锁定”绑定启发，脚跟/脚尖俯仰依次施加，并约束 \(-\tfrac{\pi}{2} \le \psi_{\text{heel}} \le 0\)、\(0 \le \psi_{\text{toe}} \le \tfrac{\pi}{2}\)，从而保证脚的最低点始终在地面之上。
• 属性（Attributes）：站姿的外撇角、宽度、前后偏置等常量，可实现窄步、宽步、外八、内八、非对称步态等。还包括脚跟/脚尖过渡时长参数 \(\Delta t_{\psi LO}\)、\(\Delta t_{\psi TD}\)。

相位映射与样本混合

采样器的关键是相位映射（phase map） \(\Omega(\phi)\)：一个把通用相位 \(\phi\) 映射到某个具体步态时间 \(t\) 的可逆函数，使各触地事件时刻分别对应固定相位值（论文取 \(0, 0.1, 0.5, 0.6, 1\)）。要把周期 \(A\) 的时间 \(t_A\) 关联到周期 \(B\) 的等价时间，用：

\[t_B = \Omega_B\!\left(\Omega_A^{-1}(t_A)\right)\]

这一构造保证触地事件时刻在不同周期间总能对齐，从而在混合时保留触地时序约束。属性和时间区间用简单 alpha 混合 \(r = (1-\alpha)r_A + \alpha r_B\)（凸组合天然保持顺序约束）；函数曲线则先求混合周期的相位映射，再按相位对齐后逐点插值。作者指出该方法与基于动态时间规整（DTW）的注册曲线思想相通，但混合的是受触地时序约束的程序化步态参数而非关节帧数据，因此保证了所有混合运动的接触约束可行性。

速度插值

动画师在 9 个关键速度（前进快/慢、原地、后退快/慢、左右侧移、左右转）上创作样本，任意输入速度通过三步插值得到：先按 \(\dot{x}\) 混合前进/后退样本，再在归一化极坐标下混合转/侧移样本，最后按各自范数混合两个中间结果。所有混合比都过一个首尾导数为零的三次映射 \(f_{\text{soft}}(\alpha) = -2\alpha^3 + 3\alpha^2\)，确保跨越样本区域时参数一阶导连续。

基于模型的控制与反馈

后端控制栈被当作黑盒，创作时固定不变：

• 质心规划器：MPC（类似 Wieber 2006）以稀疏 QP 形式，在约 2 s（约 4 步）预览窗口内联合优化水平 CoM 与 CoP 轨迹，125 Hz 更新。
• 全身控制器：500 Hz 的优化型逆动力学求解器（类似 Koolen 2016），在库仑摩擦与加速度约束下解算关节加速度和地面反力，输出关节力矩/位置/速度设定点。
• 步态反馈：三种启发式机制调节 CoM 误差——速度调整（应对持续误差）、落脚点调整（应对可由落脚位置修正的较大误差）、时间缩放（\(\kappa_{\text{time}} = e^{(k_p \epsilon + k_d \dot{\epsilon})}\)，加快或放慢参考轨迹让 CoM”追上”参考）。三者分别对应小、中、大误差，且都在保持既定风格的前提下工作。
• 状态估计：融合编码器与 IMU 的全身估计器，用扩展卡尔曼滤波估计根朝向，触地时用零速观测估计骨盆平移。

实验结果

在三台差异显著的机器人上验证（见下表统计），仿真基于 MuJoCo，实时运行于 Intel i7：

机器人	作动器数	高度(mm)	重量(kg)
Groot	25	1155	18.5
Groot 下半身版	10	650	19.3
成人尺寸人形	25	1640	74.5
恐龙形	20	615	16.9

• 小型恐龙（仿真）：设计了对称的”恐龙步态”和非对称的”受伤步态”。恐龙步态从 0 到 0.4 m/s 时步频翻倍（\(T_S\) 从 0.95 s 降到 0.45 s）；受伤步态在慢速时左右摆动相非对称、配合站姿前偏读作”右腿受伤”，高速时又混合回对称。推倒恢复实验（25 N、1 s 前推）清晰展示了时间缩放、落脚点调整、速度调整依次介入的过程。
• 成人人形（仿真）：演示了放松人步、潜行步、双弹跳步、带脚跟着地/脚尖离地的中性步等，骨盆与脊柱偏航模拟了自然的髋肩反向旋转。
• Groot 硬件平台：把同一风格部署到仿真、实体、带全套戏服的实体三种配置，跟踪误差均值接近（仿真标准差更小），sim-to-real 差距较小，风格能良好迁移，且对未建模的戏服和边走边挥手等叠加动作鲁棒。下半身版（线接触脚、无踝滚转）也能较容易地创作动态步态。
• 设计效率：下半身 Groot 的弹跳步”几分钟”即可在硬件上直接调好；恐龙步态（含特征性尾巴/脖子动作）从零创作约 1–2 小时。
• 用户研究：4 名不熟悉工具的参与者（2 名有 Maya 经验、2 名有人形机器人经验）用 25–45 分钟各设计一个步态样本，反馈总体积极：交互性鼓励快速迭代与实验，上手比传统动画工具快；不足之处包括缺少时间线关键帧、步态时序与运动范围的限制。

贡献与局限

主要贡献：一套由紧密集成的步态编辑器、程序化动画与控制策略共同支撑的交互式创作工作流。与相关工作不同，它完全实时、无需离线优化或训练，因而能直接在物理机器人上编辑风格化步态，支持多样的步态时序、上半身动作、脚跟/脚尖行为，以及风格在连续速度范围上的变化。这得益于程序化步态参数化、相位空间样本混合，以及在扰动下仍保持既定风格的步态调整策略的结合。

局限与未来工作：

• 尽管有多重防摔安全措施，仍无法保证动画师的编辑不会超出控制器能力；提供安全保证的在线创作工具是未来方向。
• 手动曲线编辑并非对所有场景都合适，作者计划研究从关键帧动画和动捕数据自动导入步态。
• 当前仅限于行走周期，希望扩展到跑步、跳跃、周期性杂技等更具挑战的步态。
• 基于模型的控制栈难以搭建和调参、sim-to-real 差距难以识别和弥合；计划探索用本方法构建稠密无瑕疵的步态库来训练强化学习策略，并引入基于学习的参考跟踪控制器以补充现有规划器，同时保持交互式动画工作流。