Gallant：基于体素网格的人类oid locomotion 与 3D 受限 terrain 本地导航
机器人学
2025-11-19 v1
摘要
鲁棒的人类oid locomotion 需要准确且全局一致的周围 3D 环境感知。然而，现有感知模块主要基于深度图像或高程图，仅提供环境的局部平面视图，无法捕捉完整的 3D 结构。本文提出了 Gallant，一种用于 3D 受限 terrain 人类oid locomotion 与本地导航的体素网格框架。它利用体素化 LiDAR 数据作为轻量且结构化的感知表示，采用分层 2D CNN 将该表示映射到控制策略，实现端到端优化。开发了高保真 LiDAR 仿真系统，动态生成逼真观测，支持规模化的 LiDAR 训练并确保仿真-现实一致性。实验结果表明，Gallant 更广泛的感知覆盖范围使其能够使用单一策略超越前任方法在地面障碍物上的限制，拓展至侧向杂物、悬垂约束、多层结构及狭窄通道。Gallant 还首次实现了在爬楼梯和踏上高位平台等具挑战性情景中接近 100% 的成功率，通过改进的端到端优化实现。
引用
@article{arxiv.2511.14625,
title = {Gallant: Voxel Grid-based Humanoid Locomotion and Local-navigation across 3D Constrained Terrains},
author = {Qingwei Ben and Botian Xu and Kailin Li and Feiyu Jia and Wentao Zhang and Jingping Wang and Jingbo Wang and Dahua Lin and Jiangmiao Pang},
journal= {arXiv preprint arXiv:2511.14625},
year = {2025}
}