跳至正文
原文导读 · 原标题中译

从温度受限到电池受限:不测温度的 Unitree Go2 步态策略

From Temperature-Limited to Battery-Limited Legged Locomotion

材料发布 2026-11-17 · arXiv · 作者论文 · 核查 2026-11-20
图1:负载5 kg条件下持续以1 m/s行走。基线在19 min时达到热保护关机(上);我们的热策略在174 min后耗尽电池,并留有14 °C的温升余量(中)。灰色:12个实测电机温度;阴影带:我们热模型的最小值—最大值区间,在步态输入恒定的条件下投影得到;圆点:预测的渐近温度(蓝色为髋关节,橙色为大腿,绿色为小腿),超出坐标轴范围的点已省略。底部:负载及其安装方式。 图片出处
图7:工厂环形赛道,无负载:基线(紫色)与我们热策略(绿色)中温度最高的关节;实测为实线,预测为虚线。 图片出处

内容摘要

论文要解决的问题是:长任务跑下来被打断的原因不是电池耗尽,而是关节电机先过热停机。论文给出的例子是原厂自带运动控制器的 Unitree Go2——在 27 °C 室内以 1 m/s 空载行走,约两小时(7.7 km)就过热停机,此时电池还有电。

难点在时间尺度:电机热时间常数比强化学习(RL,即让策略靠试错自行训练的方法)能分配信用的时间范围长出多个数量级,用温度做奖励时信用分配超出了单个回合的范围。作者的做法分两步。第一步是先辨识机器人自身的热模型:一个 22 参数、13 节点的集总 RC 热网络(把电机各部位抽象成"热容 + 导热通路"的电学类比网络),辨识时先用电气量(静态功耗、焦耳加热系数等)把参数钉在物理量纲上,再去拟合温度;该模型只用 Go2 一台机器人的两段运行数据辨识,参数在论文中完整列出。第二步是把奖励里的"当前温度"换成"稳态温度",即持续步态下电机最终稳定到的温度:它只取决于步态平均的关节力矩平方和关节速度,做一次小规模线性求解就能算出,并在一个步态周期内对力矩或速度变化作出响应,于是信用分配的时间尺度从热尺度压回步态尺度;策略输入不用加温度,评估也不依赖电机初始冷热状态。奖励本身惩罚这些稳态温度的软最大值,鼓励降低最热关节并把热负载分散到其他关节。

热模型本身要先站得住:在未参与辨识的运行上,该网络预测全部十二个电机温度的平均 RMSE(均方根误差)低于 1 °C,覆盖第二台 Go2、学习得到的步态、载荷至 10 kg、速度至 1.4 m/s、持续行走与走停交替等工况。

真机结果:5 kg 载荷、1 m/s 平地上,一个学习得到的基线策略 19 分钟(1.1 km)就热停机,新策略跑满 174 分钟(10.0 km)才耗尽电池,最热电机距停机阈值还有 14 °C;这两次运行的室温分别是 22 °C 和 26 °C(基线那次更凉),同速度下新策略耗电 142 W、基线 244 W,单位运输能耗 0.71 对 1.24。空载工厂环线(含楼梯和坡道)上,基线 25 圈(6.2 km)后过热,新策略用一块电池跑完 47 圈(11.2 km),余量 22 °C(对应 111 分钟对 193 分钟,最热关节峰值 64 °C,每圈 8.8 Wh 对 13.4 Wh;环线两次室温 23 °C 与 25 °C,基线那次更凉)。代价是楼梯上的速度跟踪误差增加 18–19 %(0.8 m/s 指令下约 0.02–0.03 m/s)。

点评

对做机器人本体控制与部署的工程师,可借鉴之处很具体:电机热约束可以在训练阶段用奖励解决,不必把温度塞进策略观测,也不必等真机过热再补救——路径是"先为自家机型辨识一个热模型,再把模型预测的稳态温度作为一项奖励加进现有的行走策略训练",策略输入和部署代码不需要大改,评估结果也不受电机起始冷热影响。

落到工程上有几个前提。其一,每款机型都要自己采数据做辨识:本文热模型只用 Go2 一台机器人的两段运行数据辨识,22 个参数在论文中完整列出,可以照着复现;辨识时先用电气量把参数锚定到物理量纲,再拟合温度。其二,要跑通仿真到实机的迁移,并保证步态能力不被牺牲:论文把新奖励加进原有的行走策略训练流程,并在真机上跑通了含楼梯和坡道的工厂环线。其三,奖励权重要在热余量和跟踪精度之间自己权衡:论文部署的权重在楼梯上多出 18–19 % 的速度跟踪误差,权重再往更激进的方向调时楼梯、粗糙地形和下坡的误差继续上升,而热余量只多 2–4 °C。

范围也要说清:验证只在 Go2 这一种四足机型上做,跨机验证仅涉及另一台 Go2,不能直接外推到双足或人形;带载时按实测步态统计预测的最热稳态温度仍比仿真均值高 4.6 °C(空载高 0.8 °C)。

证据仅来自论文本身(arXiv v1 全文与摘要),属作者自测结果,本次材料未包含第三方独立复现,也未包含厂商发布的独立验证数据。适用范围限于 Unitree Go2 一种四足机型,热模型按单机数据辨识(另一台 Go2 只用于验证);对照基线与实测均在作者自己的室内条件下完成,且基线那次室温更凉(平地 22 °C 对 26 °C,环线 23 °C 对 25 °C),比较时需注意这一条件差异。方法本身有明确代价:楼梯速度跟踪误差上升;带载时按实测步态统计预测的最热稳态温度仍比仿真均值高 4.6 °C(空载高 0.8 °C)。本次材料为 arXiv HTML 全文解析结果,公式与表格存在格式损失,数值以上述原文表述为准。

版本与核查范围

版本 2611.22231v1 · 原文定位与程序检查、独立上下文模型复核;不代表独立研究复现。。依据已核查材料整理;未运行模型或机器人。

原文与定位

  • 原文链接 #S1.p1.1;#abstract1.1;#S1.p5.1;#S1.p4.1;#S1.p5.1;#S1.p6.1;#abstract1.1;#S3.SS4.p2.1;#S3.SS5.p2.1;#S3.SS3.p3.1;#S3.SS3.p3.1;#S3.SS4.p2.1