统一的人类oid 落地安全策略：从少量演示中学习
机器人学
2025-11-11 v1
摘要
落地是人类oid 移动的固有风险。维持稳定性是机器人控制与学习中的首要安全重点，但现有方法尚未完全预防失衡。当不稳定发生时，先前工作仅处理掉落的孤立方面：避免掉落、编排受控下坠或随后站立。因此，人类oid 机器人缺乏集成化的策略以应对实际掉落中的冲击减缓与快速恢复。我们致力于超越保持平衡，实现掉落与恢复的整个过程安全自主：在可能时预防掉落，在不可避免时减缓冲击，在掉落后站立。通过将稀疏人类演示与强化学习及自适应扩散基内存忆录的安全反应相融合，我们学习到统一的全身行为，整合了防跌、冲击减缓与快速恢复于一体的策略。仿真实验及在 Unitree G1 上的实测结果表明，该方法实现了鲁棒的 sim-to-real 迁移，显著降低了冲击力，跨越多样扰动实现了持续快速恢复，指向更安全、更具韧性的实际环境人类oid 机器人。视频已于 https://firm2025.github.io/ 公开。
引用
@article{arxiv.2511.07407,
title = {Unified Humanoid Fall-Safety Policy from a Few Demonstrations},
author = {Zhengjie Xu and Ye Li and Kwan-yee Lin and Stella X. Yu},
journal= {arXiv preprint arXiv:2511.07407},
year = {2025}
}