基于实时底座下方地形重建的步态自适应感知人形机器人运动
机器人学
2025-12-09 v1
摘要
对于全尺寸人形机器人，即使借助基于强化学习的控制近期取得了进展，在复杂地形（如长楼梯）上实现可靠运动仍然具有挑战性。在此类环境中，感知受限、地形线索模糊以及步态时机适应不足可能导致哪怕单次放置或时机不当的脚步也迅速丧失平衡。我们提出了一种感知运动框架，将地形感知、步态调节和全身控制融合为单一的强化学习策略。安装在底座下方的向下深度相机观察脚部周围的支撑区域，一个紧凑的 U-Net 从每帧实时重建密集的自我中心高度图，与控制循环以相同频率运行。感知高度图与本体感觉观测一起由统一策略处理，该策略产生关节指令和全局迈步阶段信号，允许步态时机和全身姿态根据指令运动和局部地形几何进行联合适应。我们进一步采用单阶段连续师生训练方案，以实现高效策略学习和知识迁移。在 31 自由度、1.65 米人形机器人上进行的实验证明了在仿真和真实环境中的鲁棒运动，包括向前和向后上下楼梯，以及跨越 46 厘米的间隙。项目页面：https://ga-phl.github.io/
引用
@article{arxiv.2512.07464,
title = {Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction},
author = {Haolin Song and Hongbo Zhu and Tao Yu and Yan Liu and Mingqi Yuan and Wengang Zhou and Hua Chen and Houqiang Li},
journal= {arXiv preprint arXiv:2512.07464},
year = {2025}
}