基于不安全踏步惩罚和稀疏LiDAR高程映射的楼梯上全向人oid locomotion
机器人学
2026-03-10 v1
摘要
人oid机器人具有众多自由度和较高的质心，本质上不稳定。安全的全向楼梯 locomotion 需要全向地形感知和可靠的脚掌选择。现有方法常依赖正面深度摄像机，导致盲区限制全向移动能力。此外，稀疏的接触后不安全踏步惩罚导致学习效率低下和次优策略。为实现安全的楼梯遍历步态，本文引入单阶段训练框架，包含密集的不安全踏步惩罚，在脚趋近危险放置位置时提供持续反馈。为获得稳定可靠的高程图，我们构建了具有时空置信衰减和自保护区域机制的滚动点云映射系统，产生一致的局部地图。这些地图进一步由Edge-Guided Asymmetric U-Net (EGAU) 细化，缓解稀疏LiDAR在楼梯垂脚段上的重构失真。仿真和实际机器人实验表明，所提方法在仿真中楼梯地形几乎实现100\%安全踏步率，而在实际部署中保持极高的安全踏步率。此外，它完成了在复杂户外地形上的持续长距离行走测试，展示了可靠的仿真到现实迁移和长期稳定性。
引用
@article{arxiv.2603.07928,
title = {Omnidirectional Humanoid Locomotion on Stairs via Unsafe Stepping Penalty and Sparse LiDAR Elevation Mapping},
author = {Yuzhi Jiang and Yujun Liang and Junhao Li and Han Ding and Lijun Zhu},
journal= {arXiv preprint arXiv:2603.07928},
year = {2026}
}