人形机器人运动控制 - 深蓝学院 - 专注人工智能与机器人的学习平台

学习时长

9周/建议每周至少6小时
答疑服务

专属微信答疑群/讲师助教均参与
作业批改

课程配有作业/助教1V1批改
课程有效期

一年/告别拖延，温故知新

第一期开课时间待定
预约中

开放报名倒计时：

天

时

分

秒

正式开放报名提醒我

为什么要学这门课程

人形机器人作为具身智能的终极载体，已成为全球科技竞争的核心赛道。而运动控制能力是决定人形机器人能否从实验室走向千家万户、实现最终商业落地的核心瓶颈。尽管前景广阔，但复杂地形的双足稳定行走、全身自然流畅动作、带感知的运动闭环等技术难题尚未完全攻克。

与此同时，市场对掌握这些核心技术的专业人才需求激增，人才缺口日益扩大。但多数学习者要么空有理论，无法训练贴合真机物理特性、可实机迁移的控制策略；要么仅掌握基础控制方法，难以应对高自由度、复杂地形、动作模仿、全身运控等核心问题。

为此，我们推出这门以宇树G1为实践载体的人形机器人运动控制课程。围绕平地行走、斜坡/碎石/楼梯等复杂地形越障、动作风格模仿、全身协同控制以及融合感知的跨地形行走等任务展开。从感知空间、动作空间、奖励函数等多维度逐层拆解对比主流强化学习运控算法。让大家不仅学懂算法背后的原理，更能上手训练在真机上稳定运行的智能策略，具备人形机器人运动控制的核心研发能力。

课程亮点

直指人形机器人最核心、最难突破的运动控制模块，每一讲都围绕运控核心难题展开。

不止于论文复现，而是将运控算法拆解到RL的观测空间、动作空间、奖励函数等核心模块。

丰富的实践项目，覆盖复杂地形行走、风格模仿、重定向、全身运控、感知运控闭环等。

课程收获

理论层面

掌握人形运控底层逻辑、宇树G1硬件与软件架构；

理解RL三要素（感知/动作/奖励）与人形机器人控制的映射关系；

掌握PPO/AMP/BeyondMimic/SONIC/Project-Instinct等主流RL算法核心原理；

明晰Sim-to-Real迁移、动作重定向等核心痛点的解决方案及行业前沿进展。

实践层面

通过课程配套的11个实践项目，熟练搭建宇树G1强化学习仿真与训练环境；

能独立设计RL观测/动作空间和奖励函数；

具备调整域随机化范围、策略网络与价值网络结构与超参数等实操技能；

熟练运用相关工具，具备策略训练、参数调优的基础能力。

能力层面

掌握人形机器人复杂地形行走、动作风格模仿、全身运动控制、带感知运控等典型场景需求；

形成完整能力闭环，适配行业研发岗位需求。

课程讲师

孔贺

南科大研究员，博士生导师，机器人研究院副院长、自动化与智能制造学院副院长

孔贺，南方科技大学研究员，博士生导师，南科大机器人研究院副院长、自动化与智能制造学院副院长。本硕博分别毕业于中国矿业大学、哈尔滨工业大学、澳大利亚Newcastle大学，曾在悉尼大学野外机器人研究中心开展博士后研究。入选国家海外高层次人才青年项目，近三年主持获批国自然原创探索计划项目、国自然联合基金重点项目、国家重点研发计划-智能机器人重点专项课题。主要致力于机器人多模态感知及融合、机器人与航天器控制等方面的研究。担任IEEE RAL、IEEE RAM、IEEE Sens. Lett.、IJACSP副主编以及机器人领域多个主流会议副主编。

课程大纲