LatentMimic：通过潜在空间模仿实现地形自适应运动
机器人学
2026-04-21 v1 人工智能
摘要
为四足机器人开发自然且多样化的运动控制器，使其能够适应复杂地形同时保持运动风格，仍然是一个重大挑战。现有的基于模仿的方法面临一个基本的优化权衡：严格遵循动作捕捉参考会惩罚地形适应性所需几何偏差，而地形中心策略则常常损害风格保真度。我们引入了 LatentMimic，一种新颖的运动学习框架，它将风格保真度与几何约束解耦。通过最小化策略的状态-动作分布与学习到的动作捕捉先验之间的边际潜在散度，我们的方法提供了刚性姿态跟踪目标的条件松弛。这种表述保留了步态拓扑，同时允许针对不规则地形进行独立的末端执行器调整。我们进一步引入了一个带有动态重放缓冲区的地形适应模块，以解决策略在不同地形上的分布偏移。我们在四种运动风格和四种地形上验证了我们的方法，结果表明 LatentMimic 能够实现有效的地形自适应运动，在保持高风格保真度的同时，实现了比最先进的运动跟踪方法更高的地形穿越成功率。
引用
@article{arxiv.2604.16440,
title = {LatentMimic: Terrain-Adaptive Locomotion via Latent Space Imitation},
author = {Zhiquan Wang and Yunyu Liu and Dipam Patel and Ayush Kumar and Aniket Bera and Bedrich Benes},
journal= {arXiv preprint arXiv:2604.16440},
year = {2026}
}