Jak si humanoidní roboti udržují rovnováhu: vysvětlení bez rovnic

Humanoidní robot udržuje rovnováhu tak, že mnohokrát za sekundu měří stav vlastního těla a průběžně ho koriguje. Senzory hlásí úhly kloubů a náklon a zrychlení trupu a řadič určuje, jak silně má každý motor zabrat. Dnes bývá tímto řadičem často neuronová síť natrénovaná metodou pokusů a omylů v simulaci. Běžné nárazy dokáže vyrovnat, ale ne každé postrčení a ne každou podlahu.

Proč je chůze po dvou nohou tak obtížná

Stojící člověk nebo robot je v rovnováze, když se jeho těžiště nachází nad plochou vymezenou chodidly. Chůze toto pravidlo záměrně porušuje: s každým krokem se tělo nakloní dopředu a zachytí je další noha. Dvounohý robot tedy neustále trochu padá a zotavuje se, a proto redaktor IEEE Spectrum pro robotiku popisuje dvounohé roboty jako zásadně nestabilní v článku ze září 2026 o robotu Digit 5 od firmy Agility Robotics.

Praktický důsledek je jednoduchý. Kolový vozík, který ztratí napájení, zastaví. Kráčející humanoid, který ztratí napájení nebo jehož řadič udělá špatné rozhodnutí, se může převrátit. Vše, o čem pojednává následující text, se týká toho, jak roboti snižují pravděpodobnost, že k tomu dojde.

Co robot vnímá

Většina řízení rovnováhy se opírá o to, co inženýři nazývají propriocepce: robot vnímá vlastní tělo, nikoli okolní svět. Většinu práce odvádějí dva druhy senzorů.

• Kloubní enkodéry hlásí úhel a rychlost každého kloubu. Firma Unitree například uvádí dvojitý enkodér v každém kloubu svého humanoida G1.
• Inerciální měřicí jednotka (IMU) měří, jak se tělo naklání, otáčí a zrychluje, a plní podobnou úlohu jako lidské vnitřní ucho.

Ve významné a často citované studii Kalifornské univerzity v Berkeley dostával chodecký řadič robota Digit od společnosti Agility Robotics pouze data z kloubních enkodérů a IMU, bez jakýchkoli kamer, podle studie o lokomoci humanoidů v reálném světě pomocí zpětnovazebního učení.

Kamery a lidar jsou důležité pro rozpoznání schodů, překážek a lidí před robotem. Unitree uvádí u modelu G1 hloubkovou kameru a 3D lidar. Rychlá, reflexivní část udržení vzpřímené polohy však obvykle vychází z vlastních signálů těla, protože přicházejí s malým zpožděním a nezávisejí na osvětlení ani na volném výhledu.

Od ručně psaných pravidel k naučeným řadičům

Po mnoho let se kráčející roboti řídili pečlivě navrženými modely: rovnicemi popisujícími tělo robota a podlahu, podle nichž se plánovalo, kam má každá noha došlapovat. Tyto metody fungují dobře, když realita odpovídá modelu. Boston Dynamics v příspěvku o přidání zpětnovazebního učení robotu Spot vysvětluje, že na skutečných místech se vyskytují podmínky, které se špatně pozorují a modelují, například podlaha, která může být mokrá nebo mastná.

Zpětnovazební učení jde jinou cestou. Místo programování každého pravidla inženýři vytvoří simulovaného robota, zadají mu cíl, například chodit požadovanou rychlostí bez pádu, a nechají neuronovou síť zkoušet to miliony krát. Chování, které funguje, se odměňuje; chování, které skončí na zemi, nikoli. Časem se síť naučí, které povely motorům udrží tělo vzpřímené.

Klíčovým trikem je rozmanitost. Ve studii z Berkeley s robotem Digit výzkumníci náhodně měnili fyzikální vlastnosti robota, nastavení řízení i simulovanou fyziku a do údajů ze senzorů přidávali šum a zpoždění. Řadič, který si v simulaci poradí se všemi těmito odchylkami, si pravděpodobněji poradí i s jedním skutečným robotem a jednou skutečnou podlahou, na kterou nakonec narazí.

Jak se naučený řadič chová

Řadič z Berkeley je typ neuronové sítě zvaný transformer, který se dívá na nedávnou historii údajů ze senzorů a vlastních akcí a podle ní rozhoduje o dalším pohybu. Autoři uvádějí, že díky této historii dokáže přizpůsobovat své chování za chodu, bez nového učení. Rozhodoval 50krát za sekundu, zatímco nižší úroveň řízení motorů běžela 1 000krát za sekundu.

Po přenesení přímo ze simulace do skutečného stroje provedl Digita po náměstích, chodnících, atletických drahách i trávě. Výzkumníci ho zkoušeli tak, že na robota házeli velký jogínský míč, postrkovali ho dřevěnou tyčí a tahali ho zezadu.

Navazující studie členů téže skupiny, odeslaná v říjnu 2024, uvádí, že podobný přístup bez kamer provedl humanoida po turistických stezkách v Berkeley o délce více než čtyři míle a po příkrých ulicích San Franciska, podle studie o lokomoci humanoidů v náročném terénu.

Tato myšlenka se neomezuje jen na humanoidy. Článek z časopisu Science Robotics z roku 2020 od ETH Zürich ukázal čtyřnohého robota ANYmal, natrénovaného v simulaci a využívajícího pouze vnímání vlastního těla, který překonával bahno, sníh, suť i vegetaci, jak popisuje Learning quadrupedal locomotion over challenging terrain.

Řízení celého těla: rovnováha při jiné činnosti

Chůze po přímce je jen část úkolu. Robot, který mává, nese tác nebo kope do míče, přesouvá těžiště s každým pohybem paže i nohy a řadič to musí vyrovnávat. Koordinaci všech kloubů za jedním cílem se obvykle říká řízení celého těla.

Boston Dynamics to popisuje v příspěvku o tom, jak naučili Atlase fotbalový pohyb. Inženýři zachytili fotbalistu pomocí snímání pohybu, upravili pohyb pro odlišné tělo Atlase a poté ho natrénovali zpětnovazebním učením v tisících paralelních simulací. Společnost uvádí, že to odpovídalo roku pokusů a omylů za 24 hodin a že u téměř všech dovedností Atlase fungovala naučená strategie na skutečném robotu hned napoprvé. Fotbal označuje za užitečný proto, že vyžaduje pohyb a manipulaci současně.

Proto také choreografované taneční čísla a gesta vyžadují čas na přípravu. Každý nový pohyb mění přesun váhy robota a je třeba ho z hlediska rovnováhy vyvinout a otestovat.

Hybridní systémy v komerčních robotech

Komerční roboty nenahrazují navržené řízení vždy úplně. Boston Dynamics uvádí, že lokomoce robotu Spot kombinuje prediktivní řízení založené na modelu s naučenou strategií natrénovanou ve více než milionu simulací. Před vydáním byla ověřena během tisíců hodin simulovaného i reálného provozu na interní flotile, která zaznamenává více než 2 000 hodin týdně. Společnost uvádí, že aktualizace snížila počet pádů na kluzkých a nerovných površích, a u této flotily zmiňuje střední dobu mezi pády v řádu stovek hodin.

Tento údaj je užitečnou připomínkou: i vyspělý komerční kráčející robot se popisuje tím, jak zřídka padá, nikoli jako robot, který nepadá nikdy.

Proč postrčení a nerovné podlahy stále způsobují pády

Naučené řadiče jsou odolné, ale mají své meze a publikovaný výzkum o nich mluví otevřeně.

• Rušivé vlivy přesahující rámec tréninku. Autoři z Berkeley uvádějí, že nadměrné vnější rušivé vlivy, například velmi silné zatažení za kabel, mohou řadič stále přemoci. Robot se z postrčení dokáže zotavit, jen pokud dokáže postavit nohu dostatečně rychle a dostatečně daleko, aby se zachytil.
• Propast mezi simulací a realitou. Simulovaná fyzika se nikdy přesně neshoduje s realitou. Tentýž článek uvádí nedokonalé sledování rychlosti a motory, které na skutečném robotu reagovaly nesymetricky.
• Povrchy, které robot nemůže předem ucítit. Řadič, který se opírá o vnímání těla, se o kluzkém místě, uvolněném krytu kabelu nebo měkkém okraji koberce dozví, až když na něm už stojí noha. Kamery pomáhají, ale jen pokud systém vnímání nebezpečí rozpozná.
• Zaměstnané ruce a rychlé pohyby. Když paže něco nesou, gestikulují nebo předvádějí, zbývá méně rezervy pro vyrovnání zakopnutí.
• Hardware a napájení. Přehřívající se motory, slabá baterie, ztracené spojení nebo softwarová chyba mohou přerušit řídicí smyčku, která kráčejícího robota drží vzpřímeně.

Výzkumníci pracují také na tom, co dělat, když se rovnováha ztratí. IEEE Spectrum v roce 2022 informoval, že tým z institutu Inria naučil humanoida TALOS natáhnout ruku a opřít se o blízkou zeď a že se vyhnul pádu ve třech ze čtyř pokusů, ve kterých by jinak upadl. Šlo o laboratorní výsledek na stojícím robotu, nikoli o funkci, kterou mohou kupující dnes očekávat.

Agility Robotics zvolila u robotu Digit 5 jinou, preventivní cestu. Podle IEEE Spectrum je robot navržen tak, že když se k němu lidé přiblíží, vyhne se jim, zastaví se nebo odloží náklad a spustí se do sedu, aby nemohl nikomu spadnout na tělo. Časopis popisuje tento přístup jako nepříliš elegantní, ale účinný. O práci na zvláštní bezpečnostní normě pro kráčející roboty pojednává náš článek o ISO 25785-1.

Co to znamená pro organizátory akcí

Tento článek má obecně informativní charakter a nejde o právní ani bezpečnostně inženýrskou radu; váš dodavatel a místo konání nadále odpovídají za vlastní posouzení rizik.

• Považujte podlahu za součást vystoupení. Hladké, rovné a suché povrchy bez volných kabelů či hran ramp poskytují každému robotu větší rezervu. Náš kontrolní seznam pro místo konání uvádí, na co se ptát.
• Udržujte kolem kráčejících robotů volný prostor. Robot, který je postrčen nebo do kterého narazí nadšený host, může upadnout a robot o hmotnosti 35 kg, jako je Unitree G1, je podle údaje výrobce dost těžký na to, aby někomu ublížil. Zábrany a obsazení personálem naplánujte podle našeho průvodce bezpečností na veřejných akcích.
• Ptejte se, jak byly nové pohyby testovány. Vlastní gesta, tance či úkoly s přenášením mění rovnováhu robota. Zeptejte se dodavatele, zda byla každá sestava nacvičena na podobné podlaze.
• Počítejte s pádem nebo pauzou. Předem se dohodněte, kdo robota zastaví, jak se s ním bude manipulovat a co bude s programem, pokud bude muset vynechat. Viz co se stane, když robot v den akce selže.

Časté otázky

Používají humanoidní roboti k udržení rovnováhy kamery?

Pro rychlou část většinou ne. Rovnováha obvykle závisí na kloubních enkodérech a inerciální měřicí jednotce, které s malým zpožděním hlásí držení a pohyb robota. Studie z Berkeley řídila robota Digit od Agility pouze pomocí těchto signálů, bez kamer. Kamery a lidar jsou přesto užitečné pro rozpoznání schodů, překážek a lidí před robotem, a proto mnoho robotů, například Unitree G1, nese také hloubkovou kameru a lidar.

Co znamená zpětnovazební učení u kráčejícího robota?

Znamená to, že chodecký řadič se učí metodou pokusů a omylů, místo aby byl napsán ručně. Inženýři robota nasimulují, odměňují ho za chůzi bez pádu a nechají neuronovou síť trénovat miliony krát za různých podmínek, například při odlišném tření, hmotnosti a zpoždění senzorů. Natrénovaná síť se poté přenese do skutečného robota. Tento přístup uvádějí Boston Dynamics, Unitree i univerzitní výzkumné skupiny.

Dokáže se humanoidní robot zotavit, když ho někdo postrčí?

Často ano, v určitých mezích. Výzkumníci zkoušeli naučené řadiče tak, že roboty postrkovali tyčemi, házeli na ně míče a tahali je zezadu, a roboti zůstali stát. Tíž výzkumníci uvádějí, že nadměrné rušivé vlivy mohou stále způsobit pád. Zotavení závisí na síle postrčení, na tom, co robot právě dělá, a na povrchu pod nohama, proto by se davu nemělo dovolit do robotů strkat ani se o ně opírat.

Proč roboti padají na površích, které vypadají rovně?

Podlaha, která se lidem jeví jako rovná, může být kluzká, měkká, mírně nakloněná nebo přerušená kryty kabelů a okraji koberců. Řadič spoléhající na vnímání těla tyto podmínky zjistí, až když na nich stojí noha. Simulace se nikdy přesně neshoduje se všemi skutečnými povrchy, takže neznámá podlaha je častou příčinou zakopnutí. Riziko snižuje vyzkoušení robota na skutečné podlaze místa konání před akcí.

Jak článek vznikl: napsala ho redakce humanoid4rent s pomocí AI; každé faktické tvrzení jsme 2026-10-31 ověřili ve zdrojích uvedených níže. Našli jste chybu? Napište na info@humanoid4rent.com.