数据源与状态仍在导航菜单中
arxiv.org·2026/10/23
针对人形机器人在稀疏复杂地形上纯奖励难引出全身协调、参考运动难泛化的问题,该框架把接触作为感知与控制接口:运动数据只作训练先验,自监督attention-based contact planner预测九个身体部位未来接触位置,contact-conditioned tracker将其转为全身运动;训练依次跟踪参考接触、联合训练规划器与跟踪器、在程序化地形上做目标到达RL微调并以成功轨迹回放自举更新规划器。在Unitree G1上机载LiDAR神经建图捕捉梯子横档等细结构并完全机载部署,真机展示爬梯、爬箱、坐站、稀疏落脚和组合地形。仿真中作者报告组合课程平均成功率92.5%,高于MGMT的58.8%;稀疏全身地形微调提高54.8个百分点,注意力规划器在未见地形和干扰物上优于MLP。局限是表示主要面向2.5D地形,无法处理悬垂接触与操作,也不能区分接触序列相同的后空翻与垂直跳。
为什么重要 为人形全身控制提供无需在线参考轨迹的部署方案,接触抽象将规划维度从全身运动学降至 9 个接触点适合 人形机器人全身控制工程师、具身智能数据管线设计者
人形机器人在复杂地形上的移动需要精确的足部落点以及能够稳健适应的协调全身运动。在没有运动参考的情况下训练的强化学习(RL)策略在不同地形间具有良好的泛化能力,但仅通过奖励设计和探索来引导出有效的全身协调仍然具有挑战性。相比之下,基于参考的方法能产生自然的运动,但难以适应其训练数据中预定义轨迹之外的情况。我们引入了一个学习框架,通过将运动数据严格用作训练先验来连接这两种方法。
一个显式的、自监督的、基于注意力的接触规划器预测未来的身体-环境接触,而一个以接触为条件的跟踪器将这些计划转化为协调的全身运动。两者共同将接触确立为感官观测与控制动作之间的接口。这种抽象使策略能够内化运动的接触感知结构,而不是直接复制运动学。因此,单一策略可以利用数据驱动的运动先验实现自然的全身协调,同时保留通过强化学习发现依赖于环境的行为的灵活性。
在学习到的接触规划器和跟踪器的基础上,后续的微调阶段引导(bootstrap)它们已获得的能力,以探索原始运动数据所涵盖范围之外的环境变化。该框架在部署时完全基于机载观测运行,无需任何参考输入,从而使人形机器人能够在具有挑战性的环境中实现多样化的移动能力。
Humanoid mobility over complex terrain requires accurate foot placement and coordinated whole-body motion capable of robust adaptation.
Reinforcement learning (RL) policies trained without motion references generalize well across terrains, yet eliciting effective whole-body coordination through reward design and exploration alone remains challenging.
In contrast, reference-based methods yield natural motions but struggle to adapt beyond the predefined trajectories in their training data.
We introduce a learning framework that bridges these two approaches by using motion data strictly as a training prior.
An explicit, self-supervised, attention-based contact planner predicts future body-environment contacts, while a contact-conditioned tracker translates these plans into coordinated whole-body motion.
Together, they establish contact as an interface between sensory observations and control actions.
This abstraction allows the policy to internalize the contact-aware structure of locomotion rather than directly replicating kinematics.
Consequently, a single policy can exploit data-driven motion priors for natural whole-body coordination while retaining the flexibility to discover environment-dependent behaviors through reinforcement learning.
Building on the learned contact planner and tracker, a subsequent fine-tuning stage bootstraps their acquired capabilities to explore environment variations beyond those covered by the original motion data.
Operating entirely from onboard observations without any reference inputs at deployment, this framework enables versatile humanoid mobility in challenging environments.
组合课程成功率
MGMT 为 58.8%
接触跟踪最低成功率
仅用接触、无运动学输入
稀疏全身提升
Stage 3 vs Stage 2
运动数据量
PHP 为 9.4 min
地形类别覆盖
全部超越 MGMT
注释 · 仿真评测,每类 3000 episodes;组合课程每轴 1000 episodes出自 §0.3


EVIDENCE / METHODS
解读
不跟踪全身轨迹,只预测 9 个身体部位 的接触位置与时刻,让 RL 自由填充中间运动
传统参考跟踪方法需要完整的全身轨迹,部署时依赖在线运动生成器;纯 RL 方法虽灵活但难以通过奖励设计发现复杂多接触行为。
本文将 接触 定义为感知与控制之间的接口:规划器预测哪些部位、何时、在哪里与环境接触;跟踪器将这些接触目标转化为全身协调运动。参考运动数据仅在训练时提供接触先验,部署时完全移除。
这一抽象带来三个工程优势:
注释 · 接触保留了地形交互的几何关键信息,同时把高维运动学留给策略自由探索出自 Introduction
原版排版与图表 · 手机无法内嵌时可在浏览器打开。PDF 插件内选文不能传给网页助手。