FastStair：使用人oid 机器人攀爬楼梯
机器人学
2026-01-16 v1
摘要
攀爬楼梯对人类而言轻而易举，但对于人oid 机器人而言由于需要高敏捷性和严格稳定性的同时要求，仍然极具挑战性。模型无 RL 可生成动态 locomotion，但隐式稳定性奖励和对任务特定奖励塑形的重度依赖倾向导致不安全行为，尤其是在楼梯上；相反，基于模型的脚掌规划器编码接触可行性和稳定性结构，但强制其硬约束常导致保守运动，限制速度。我们提出 FastStair，一种 planner 引导的多阶段学习框架，解决了这些互补优势以实现快速稳定楼梯攀爬。FastStair 将平行模型基脚掌规划器集成到 RL 训练循环中，以偏向动态可行接触并预训练一个注重安全的基策略。为缓解规划器引起的保守性以及低速和高速动作分布之间的差异，基策略被微调为速度专家，然后通过 Low-Rank Adaptation (LoRA) 集成，以在整个命令速度范围内实现平滑运行。我们在 Oli 人oid 机器人上部署了该控制器，实现了最高可达 1.65 m/s 的稳定楼梯攀爬，并在 12 秒内遍历 33 步的螺旋楼梯（每步 17 cm 高度），展示了在长楼梯上稳健的高速性能。值得注意的是，所提出的方法作为 Canton Tower Robot Run Up Competition 的冠军解决方案。
引用
@article{arxiv.2601.10365,
title = {FastStair: Learning to Run Up Stairs with Humanoid Robots},
author = {Yan Liu and Tao Yu and Haolin Song and Hongbo Zhu and Nianzong Hu and Yuzhi Hao and Xiuyong Yao and Xizhe Zang and Hua Chen and Jie Zhao},
journal= {arXiv preprint arXiv:2601.10365},
year = {2026}
}