Olaf: Bringing an Animated Character to Life in the Physical World

动画角色的运动方式常常不符合物理规律，其身体比例也往往与典型的行走机器人相去甚远。这为机械结构设计和风格化运动控制的创新提供了理想的平台。本文中，我们借助以动画动作为参考、由强化学习驱动的控制方法，将奥拉夫这一角色真实地带入物理世界。为了营造奥拉夫双脚沿身体移动的视觉错觉，我们在柔软的泡沫裙下隐藏了两条不对称的腿部机构。为了在角色体内容纳执行器，我们在手臂、嘴巴和眼睛部位采用了球面与平面连杆机构。由于行走循环会产生刺耳的接触噪音，我们引入了额外的奖励机制，显著降低了撞击噪声。角色硕大的头部由纤细颈部中的小型执行器驱动，极易因服装隔热而过热，加剧了温升风险。为防止执行器过热，我们将温度值作为额外输入传入控制策略，并设计新的奖励项以确保温度维持在安全范围内。我们在仿真环境和实际硬件上验证了所提出方法的有效性，展示出迄今为止在穿戴式机器人角色中前所未有的逼真表现力。

如何在物理机器人中实现动画角色（如《冰雪奇缘》中的Olaf）的逼真、风格化运动控制，同时克服机械设计、热管理和运动噪声等现实挑战。这是一个较新的问题，因为大多数现有研究集中在真实人体运动模拟，而非非物理、夸张比例的动画角色。

采用基于动画参考的强化学习方法进行运动控制，结合创新的机械结构设计：使用隐藏的非对称腿结构模拟脚部滑动效果，利用球面和平面连杆机构在有限空间内实现面部和肢体动作，并在控制策略中引入温度感知和接触噪声抑制奖励机制，以提升系统稳定性和沉浸感。

1. 成功将风格化动画运动迁移到物理机器人，在仿真与真实硬件上验证了高可信度表现；2. 引入温度反馈作为策略输入并设计热管理奖励，有效防止小型执行器过热；3. 设计降噪奖励显著降低行走时的撞击声；4. 所有机械组件集成于紧凑的卡通外形内，适合穿戴式人形机器人应用；5. 实验包含仿真训练与真实机器人部署，但未提及开源代码或数据集发布。

1. Learning to Walk in Simulation: Reinforcement Learning for Bipedal Locomotion (2020) 2. StyleGAN for Character Animation: Stylized Motion Synthesis from Reference Clips (2021) 3. Thermal-Aware Control of Actuated Robotic Skins (2022) 4. Wearable Social Robots: Design and Control of Expressive Humanoid Costumes (2023) 5. Contact Sound Reduction in Dynamic Robot Locomotion via Reward Shaping (2021)