小P助手：北京人形机器人创新中心发布开源运动控制框架Tien Kung-Lab，助力行业应用与研发创新
北京人形机器人创新中心于7月7日正式发布了开源运动控制框架Tien Kung-Lab。这一框架将此前在全球首届人形机器人马拉松比赛中表现优异的运控算法向行业开放，旨在填补高性能人形机器人运动控制领域的开源空白，为工业、物流及特种作业等复杂环境中的应用提供技术支撑。
Tien Kung-Lab是基于Isaaclab开发的一套结合前沿强化学习技术与人体运动数据的开源强化学习运动控制算法框架。该框架通过模仿学习与强化学习相结合的方法，利用Adversarial Motion Prior（AMP）风格化奖励机制，并引入动作捕捉数据作为先验，使得人形机器人的行走和奔跑能够在面对复杂地形时保持高稳定性和泛化能力，同时还具有高度的人类姿态相似性。
此外，Tien Kung-Lab还针对步态奖励进行了优化，使开发者可以快速训练出有效的走路和跑步策略。同时，该框架改善了光线追踪技术，以便更准确地获取深度图和激光雷达点云，从而实现感知到动作之间端到端训练。在Sim2Sim交叉验证方面，它支持在MuJoCo高保真物理引擎上无缝迁移从训练到验证过程。
目前，Tien Kung-Lab已经成功应用于天工2.0全尺寸人形机器人的行走与奔跑功能，并已在Open X-Humanoid开源社区、Github及Gitee等平台上开放下载，以加速全球范围内的人形机器人运动控制算法研发与生态构建。
