穿越杂乱环境：通过虚拟现实扩展 3D 场景感知人oid locomotion 的数据收集与基准测试
机器人学
2026-03-09 v1
摘要
近期人oid locomotion 的进展已使动态行为（如舞蹈、武术和攀爬）成为可能，但这些能力主要在开放、平坦且无障碍的环境中展示。相比之下，真实环境（如家庭、办公室和公共场所）密集且三维且几何受限，要求 scene-aware whole-body coordination、精确平衡控制以及对家具和家用物品施加的空间约束进行推理。然而，人oid locomotion 在杂乱的 3D 环境中仍鲜有探讨，且没有公开数据集系统性地将全身人体 locomotion 与其塑造其的场景几何结合起来。为此，我们提出穿越杂乱环境 (Moving Through Clutter, MTC)，一个基于虚拟现实 (VR) 的用于 scene-aware 人oid locomotion 在杂乱环境中的数据收集与评估框架。我们的系统可程序化生成具有可控杂乱程度的场景，并通过沉浸式 VR navigation 捕获 embodiment-consistent、全身人体运动，随后自动投影到人oid robot 模型。我们进一步引入衡量环境杂乱程度和 locomotion performance 的基准，包括稳定性和碰撞安全。利用该框架，我们编译了 348 条轨迹，覆盖 145 个多样化的 3D 杂乱场景。该数据集为研究几何诱导的人oid locomotion 适应性及开发 scene-aware 规划与控制方法提供了基础。
引用
@article{arxiv.2603.05993,
title = {Moving Through Clutter: Scaling Data Collection and Benchmarking for 3D Scene-Aware Humanoid Locomotion via Virtual Reality},
author = {Beichen Wang and Yuanjie Lu and Linji Wang and Liuchuan Yu and Xuesu Xiao},
journal= {arXiv preprint arXiv:2603.05993},
year = {2026}
}