人类正在加快让机器学习自己的技能和智能，机器人正在变得日益智能，与人类的协作程度更高，但人形机器人在执行运动任务时仍然面临着巨大困难。要实现人形机器人稳健的双足运动，必须要建立一套完整的系统解决动态一致的运动规划、反馈控制和状态估计等问题。

来自德国的Mihaela Popescu团队利用运动捕捉系统对人形机器人进行全身控制，通过人形机器人RH5的深蹲和单腿平衡实验，将高频外部运动捕捉反馈与基于内部传感器测量的本体感觉状态估计方法进行了比较。

图1  人形机器人RH5的控制框架包括一个全身控制器，用于接收来自状态估计模块的反馈，该模块基于外部运动捕捉系统或本体感觉传感器

RH5机器人配有多种传感器：IMU（惯性测量单元）、关节编码器、力扭矩传感器、足部接触传感器和立体声摄像机。

本体感觉状态估计系统由IMU传感器、关节编码器和足部接触传感器组成。外部运动捕捉系统由3台连接到计算机的摄像机组成，用于跟踪机器人IMU框架上的反射标记，为全身控制器提供准确快速的状态反馈，并通过网络实时传输数据，检索人形浮动基的姿态，与基于IMU数据的本体感觉状态估计方法进行直接比较。

图2  四个反射标记放置在人形机器人躯干上，以便通过运动捕捉系统跟踪机器人IMU框架

实验中，RH5机器人做了两种不同的全身动作：下蹲和单腿平衡。在下蹲实验中，在每下蹲10秒和16秒的两种执行速度下，评估机器人的垂直运动跟踪。在单腿平衡实验中，分别在10 cm和15 cm的不同高度抬起一条腿时，对质心和足部跟踪进行评估。

实验结果表明，在下蹲实验中，本体感觉状态估计的平均均方根误差为0.004，外部运动捕获状态的平均均方根误差为0.002。单腿平衡实验中，本体感觉状态估计的平均均方根误差为0.01125，外部运动捕获状态的平均均方根误差为0.0085。

由此可见，外部运动捕捉反馈能可靠地用于人形机器人的全身控制，并显示出比本体感觉状态估计方法更好的稳定性，使机器人能够执行稳健的双足运动或其他复杂任务。