RecoverFormer：用于人形机器人的端到端接触感知恢复
机器人学
2026-04-28 v1
摘要
在非结构化环境中运行的人形机器人必须具备从意外扰动中恢复的能力——这一能力对于端到端控制策略仍具有挑战性。我们提出了 RECOVERFORMER，一个完全端到端的人形恢复策略，通过学习何时如何在包括补偿步态、手部-环境接触和中心质量重塑在内的多种恢复行为之间切换，同时在模型不匹配情况下保持稳健性能。该架构结合了 50 步观察历史的因果变换器，以及两个新颖的头部：一种潜在恢复模式，使不同恢复策略之间实现平滑过渡；一种接触可达性头部，预测哪些环境表面（墙壁、栏杆、桌缘）对稳定有益。我们在 MuJoCo 上评估了 RECOVERFORMER 在 Unitree G1 人形机器人上的表现。在仅在平地训练的情况下，RECOVERFORMER 能零样本迁移到有墙壁的环境，在 100-300 N 推力和 0.25-1.4m 墙距范围内实现 100% 恢复成功率。在零样本动态不匹配情况下，RECOVERFORMER 在质量增加 25% 时达到 75.5%，在 30ms 延迟下达到 89%，在低摩擦系数下达到 91.5%，在复合摩擦、延迟和质量扰动下达到 99%。所学到的潜在模式在不同力 regime 中专门化，经过 300 条剧集的 t-SNE 分析验证。综上，这些结果表明，单个端到端策略能够提供跨扰动大小、接触几何和动态变化的多模态、接触感知人形恢复能力。
引用
@article{arxiv.2604.22911,
title = {RecoverFormer: End-to-End Contact-Aware Recovery for Humanoid Robots},
author = {Zihui Liu},
journal= {arXiv preprint arXiv:2604.22911},
year = {2026}
}