强化学习促成“捂脸跑”，天工Omni以45.66秒夺冠

在第二届世界人形机器人运动会400米小型组决赛中，天工Omni以45.66秒的成绩获得冠军，其独特的“捂脸跑”跑姿引起关注。负责该项目的研发团队负责人、北京人形机器人创新中心的运动控制算法专家韩刚表示，这并非团队找人去示范出来的动作，而是机器人在仿真训练中自己演化出来的策略。

团队起初给出的只是一个接近人类百米跑的动作模型以及总体目标（如速度和发热等约束），然后通过基于奖励的强化学习让机器人在仿真里反复尝试、跌倒与调整。过程中，机器人发现“捂脸跑”能够减轻肩部摆臂造成的负载与发热风险，同时对速度也有利，于是逐步将这种姿势作为稳定策略。

韩刚把训练过程比作教育小孩：表现好有奖励，表现差会被纠正，但具体怎么做由被训练者通过试错找到。他还指出，许多机器人运动控制的细节很难靠人工方程精确刻画，而强化学习凭借数据驱动的方式能生成更优的动作策略，这也是近年来该方法在机器人运动控制上越来越受青睐的原因。 龙8头号玩家国际