北京人形机器人创新中心开源运动控制框架Tien Kung-Lab

北京人形机器人创新中心正式发布开源运动控制框架 Tien Kung-Lab，将机器人马拉松冠军的运控算法面向行业开源，填补高性能人形机器人运动控制框架在开源领域的空白，为工业场景、物流场景与特种作业场景等高复杂环境下规模化应用提供核心基础技术支撑。

据介绍，Tien Kung-Lab 是一套基于 Isaaclab 开发的开源强化学习运动控制算法框架，该框架融合前沿的强化学习技术和人体运动数据，旨在让人形机器人实现自然、高效、稳定的运动控制。在此前进行的全球首届人形机器人马拉松比赛中，搭载该运控算法的天工 Ultra 以 2 时 40 分 42 秒跑完 21.0975 公里，夺得全球首个人形机器人马拉松冠军。

该方法首次融合了模仿学习与强化学习的优势，基于 Adversarial Motion Prior（AMP）风格化奖励机制，通过引入动作捕捉数据作为先验，让人形机器人在走路、跑步等移动中具备面对复杂地形的高稳定性和高泛化性的同时，还保留了与人类高度相似的优雅姿态。Tien Kung-Lab 所开源的针对人形机器人的步态奖励，可让开发者快速地训练出走路，跑步等策略。

为了帮助开发者更方便的进行感知策略训练，此次开源的算法框架，改进了相关的光线追踪技术，实现了训练环境中深度图和激光雷达点云的快速准确获取，让仿真环境下从感知到运动的端到端训练成为可能。同时，Tien Kung-Lab 支持在高保真物理引擎 MuJoCo 进行 Sim2Sim 交叉验证，可实现从训练到交叉验证的无缝迁移。

当前，Tien Kung-Lab 已在天工 2.0 全尺寸人形机器人上实现了具备高泛化性能的行走与奔跑，并在 Open X-Humanoid 开源社区、Github、Gitee 等平台开放下载，加速全球人形机器人运动控制算法的研发迭代与生态构建。