Гуманоид за пять тысяч долларов из 3D-принтера и Python

Если вы хоть раз смотрели на ценники коммерческих двуногих роботов вроде Unitree H1 или Boston Dynamics Atlas, то знаете, что бюджет там измеряется десятками и сотнями тысяч долларов. В лаборатории Hybrid Robotics из Беркли решили пойти другим путем и выкатили Berkeley Humanoid Lite. Это полностью открытый антропоморфный робот, сборка которого укладывается в 5000 долларов.

Проект включает в себя чертежи деталей для печати на 3D-принтере, модульные редукторы, симуляции в Isaac Lab и код низкоуровневого управления "железом".

Что под капотом

Главная проблема шагающих роботов заключается в сочленениях и редукторах. Промышленные волновые или циклоидальные передачи стоят дорого. Авторы спроектировали модульные редукторы, которые печатаются на обычном принтере, и объединили их с доступными бесколлекторными моторами.

Репозиторий оформлен как набор расширений для NVIDIA Isaac Lab. Архитектура разбита на четыре части:

• source/berkeley_humanoid_lite/ содержит виртуальную среду, награды и постановку задач для обучения с подкреплением в Isaac Lab.
• source/berkeley_humanoid_lite_assets/ хранит 3D-модели в форматах URDF, MJCF и USD, а также скрипты выгрузки из CAD-системы Onshape.
• source/berkeley_humanoid_lite_lowlevel/ содержит весь C++ и Python код, который заливается прямо на бортовой компьютер робота.
• scripts/ объединяет точки входа для запуска обучения нейросетей, тестов sim2sim и калибровки.

Такое разделение удобно. Чтобы погонять алгоритмы в симуляторе, вам не нужно физическое железо. А когда дойдет дело до сборки, в память микроконтроллера или одноплатника отправляется только папка lowlevel.

Как устроен пайплайн от симуляции до ходьбы

Обучать двуногого робота шагать сразу в реальности опасно и дорого. Он разобьет детали при первом же падении. Поэтому авторы используют цепочку sim-to-real переноса:

1. Обучение управляющей политики (policy) методом Reinforcement Learning на видеокарте в симуляторе с параллельными средами.
2. Проверка sim2sim, когда полученные веса гоняются в более точных физических движках с добавлением шума в сенсоры.
3. Развертывание на физическом роботе через низкоуровневый интерфейс.

В репозиторий также включили модули захвата движений (mocap) и телеуправления. Роботом можно управлять вручную с геймпада или VR-шлема для манипуляций руками.

С чего начать знакомство

Для запуска симуляции потребуется машина с видеокартой NVIDIA и настроенный Isaac Lab. Рабочий процесс выглядит привычно для тех, кто работал с Python 3.11:

# Клонируем репозиторий вместе с субмодулями
git clone https://github.com/HybridRobotics/Berkeley-Humanoid-Lite.git
cd Berkeley-Humanoid-Lite

# Устанавливаем окружение как расширение Isaac Lab
pip install -e source/berkeley_humanoid_lite
pip install -e source/berkeley_humanoid_lite_assets

# Запуск инференса или обучения
python scripts/reinforcement_learning/rsl_rl/train.py --task Berkeley-Humanoid-Lite-Walk

Все исходники CAD-моделей лежат в открытом доступе на Onshape, а готовые STL-файлы и спецификацию покупных деталей (BOM) авторы выложили на портале документации GitBook.

Стоит ли пробовать

Если ваша цель — исследовать алгоритмы локомоции, балансировки или протестировать свои RL-модели на реальном гуманоиде без миллионных грантов, проект определенно заслуживает закладки в браузер.

Конечно, 3D-печатный пластик уступает по жесткости фрезерованному авиационному алюминию. Шестеренки будут изнашиваться быстрее, а точность позиционирования будет плавать при нагреве. Но за 5000 долларов и с открытой кодовой базой под лицензией MIT это отличная база для университетских лабораторий, хакатонов и энтузиастов робототехники.