AI 研究助理

基于站内最新资料,回答 AI 前沿问题

回答带出处引用,支持多轮追问,当前页面内容会作为上下文

快速响应
AI 前沿跟踪
今日首页重点内容GitHub 趋势榜
领域
学术研究
大模型
具身智能
AI 基础设施
智能体 · Skill · MCP
机器人
多模态
自动驾驶
数据 / MLOps
AI 硬件
安全对齐
综述与报告
论文机器人人形机器人运动策略落脚点预测零样本迁移

Watch Your Step: Anticipated Perception for Humanoid Locomotion

查看原文(PDF)
AI 解读已生成 · AI 生成,数字以原文为准
AI 全文总结值得深入基于论文全文 4.3 万字 · 完整阅读

FPM 从本体感知预测落脚点,将高程图输入从 693 降至 102 维,训练提速 3.5×

针对人形机器人运动策略依赖全幅高程图导致训练慢、易受冗余地形干扰的问题,论文提出用轻量FPM从本体状态和速度指令预测未来落脚位置,只采样预测落脚周围高程图小片供策略使用。该模型与RL策略共训并周期性重拟合,使感知提前对准将踩区域。实验在IsaacLab对比全幅图、CNN编码与注意编码,评估训练速度、稀疏地形、窄墙走廊及未见地形,并零样本部署到Unitree G1。作者报告,相对全幅地图,达到同等地形难度约快3.5×;窄墙走廊总体成功率89.2%,稀疏地形优于全幅地图,并以更低训练成本匹配注意编码器。真机可走楼梯、越障、跨越0.55m缺口和0.6m落差,并出现减速谨慎行为;局限是侧向障碍可能晚进入视野,更远期落脚预测误差增大。

  1. 1FPM 仅用本体感知预测落脚点,无需视觉输入
  2. 2达 level 5 仅需 7.5k 轮,全图法需 26.1k
  3. 3零样本迁移 Unitree G1 跨越 0.55m 间隙

为什么重要 为具身数据闭环提供自监督感知过滤范式:策略 rollout 即标注,无需人工标注落脚点,单卡可训适合 具身智能数据闭环工程师、腿式机器人 RL 训练研究者

来源
arxiv.org
发布
2026/10/22

中文(AI 翻译)

感知型运动策略通常观察一张以机器人为中心的稠密高程图,尽管只有下一步脚下及其周围的地形为控制决策提供信息。学习得到的编码器会压缩整个视觉输入,使策略在学习基础运动任务的同时自行判断哪些输入重要。同时学习两者会减慢训练,并且如果没有计算开销高昂的注意力机制,会使对新地形的泛化更加困难。我们改为在策略看到高程图之前从高程图中移除冗余输入。

一个轻量级立足点预测模型(FPM)仅从本体感觉和速度命令预测未来立足点,并且我们只在这些预测立足点周围的小块区域内采样高程图。我们将该预测模型与运动策略一起训练,并随着机器人步态逐渐成熟,定期在新的策略回滚数据上重新训练它。这使得感知能够预判策略将踩向何处,而策略则学习利用这些步伐周围的地形信息。

借助所提出的轻量级预处理,该策略达到给定地形难度所需的训练迭代次数大约只有使用完整地图时的三分之一。在立足点稀疏的情况下,它优于观察完整地图的策略,包括在狭窄的有墙走廊中以及在未见地形上,并且它与训练成本高出数倍的基于注意力的编码器相当。该策略零样本迁移到 Unitree G1 人形机器人,在室内和室外环境中穿越各种超出训练分布的障碍、楼梯、缝隙和下台阶。

原文

Perceptive locomotion policies typically observe a dense robot-centric elevation map, although only the terrain beneath and around the next footsteps informs the control decision.

Learned encoders compress the whole visual input, leaving the policy to work out which inputs matter while learning the baseline locomotion task.

Learning both at once slows training and, without computationally expensive attention mechanisms, makes generalization to new terrain harder.

We instead remove redundant inputs from the elevation map before the policy sees it.

A lightweight foothold prediction model (FPM) predicts future footholds from proprioception and the velocity command alone, and we sample the elevation map only in small patches around these predicted footholds.

We train the prediction model alongside the locomotion policy, periodically retraining it on new policy rollouts as the robot's gait matures.

This allows the perception to anticipate where the policy will step, while the policy learns to leverage terrain information around those steps.

With the proposed lightweight preprocessing, the policy reaches a given terrain difficulty in roughly a third of the training iterations required with the complete map.

It outperforms policies that observe the complete map where footholds are sparse, including in narrow walled corridors, and on unseen terrain, and it matches an attention-based encoder trained at several times the cost.

The policy transfers zero-shot to a Unitree G1 humanoid traversing various obstacles, stairs, gaps, and step-downs beyond the training distribution in both indoor and outdoor environments.

693→102

输入维度

压缩 85%

7.5k 轮

达 level 5

HM 需 26.1k

0.55s

单轮耗时

AME2 需 6.3s/4GPU

84.6%

训练成功率

5 种子×1000 回合

注释 · 对比基线为完整 693 维高程图输入(HM)出自 §IV-A, Fig.3

  • FPM (本文)
    7.5k
  • AME2
    20.0k
  • HM CNN
    25.2k
  • HM (全图)
    26.1k
  • Wild
    27.6k
  • Naive
    37.9k

注释 · 单位:千轮(k iterations);越短越好出自 §IV-A, Fig.3

方法总览:策略从 FPM 预测落脚点周围采样高程图;每 nr​=500 轮用当前策略 rollout 重训 FPM
Sim-to-real:Unitree G1 零样本通过训练分布内的楼梯及分布外的 0.55m 间隙和 0.6m 高台
机器人
29-DoF Unitree G1
仿真器
IsaacLab, 8192 并行环境
物理频率
200 Hz 积分 / 50 Hz 控制
FPM 架构
MLP [128,128], LeakyReLU(0.1)
策略架构
Actor [512,256,128], ELU
高程图
1.6m×1.0m, 0.05m 分辨率, 693 格
采样补丁
k=7, 即 0.35m×0.35m 区域
重训周期
每 500 PPO 轮, 5×105 样本

深度总结

1 / 7
74.2%
地形通过与走廊测试对比· 表格

FPM 在稀疏地形走廊中达 74.2% 成功率,远超 HM 的 42.7%

方法训练成功率OOD成功率走廊-稀疏OOD跌倒率
FPM84.6%83.1%74.2%5.2%
AME284.3%83.6%71.7%2.4%
HM81.6%80.8%42.7%6.2%
HM CNN81.9%78.5%44.8%13.3%
Wild80.2%78.6%36.0%9.2%
Naive77.6%71.8%42.5%13.8%

注释 · 走廊测试检验策略能否忽略路径外无关地形出自 表 II, §IV-B