PAPER DEEP DIVE
GaitSpan：从行走到跑步的人形机器人步态生长
将预训练行走策略当作种子技能，通过 GaitWave 节奏生成、H-SLIP 步态动态塑形和残差适应三个模块，让一个策略连续覆盖行走→慢跑→跑步，在五种人形形态上实现零样本迁移。
一句话总结
GaitSpan 把已学会的行走策略当作"种子技能"，通过节奏生成（GaitWave）、步态动态塑形（H-SLIP）和残差适应三个模块，让一个策略连续覆盖行走→慢跑→跑步，无需为每种步态单独训练或切换。
1. 研究背景与动机
人形机器人的运动控制是具身智能的核心难题之一。人类在加速时不会丢弃行走技能重新学跑步——而是复用平衡、支撑、重心转移、足部触地协调等运动结构，只改变节奏、步幅和触地时序。现有方法却做不到这种"技能生长"。
当前人形运动控制的主流路线各有局限：
- 基于模型控制：提供结构和鲁棒性，但依赖手工设计的模板、相位变量、触地时序和特定形态的控制器，难以泛化。
- 模仿学习：能从人体动捕数据复现丰富运动，但策略绑定于演示分布，在不同地形、形态、速度范围下泛化不可靠。
- 强化学习：对地形和形态更灵活，但连续速度的步态多样性极难获得——稳定行走的奖励项会抑制跑步，而动态运动奖励又难以在速度增加时平衡和解释。
常见变通方案是训练离散技能/专家，再蒸馏或切换到一个策略。这对连续速度范围效率低下，且会引入跨技能干扰、边界附近的平均行为、以及步态风格间脆弱的过渡。没有已公开的模型或代码库能展示单个学习策略连续覆盖行走、慢跑和跑步。
GaitSpan 的出发点是：行走可以作为种子技能。会走的人形已拥有可复用的运动结构（平衡、支撑、身体协调、触地过渡）。要更快移动时，不应从头再学，而应在新的节奏下重生这些结构、扩展到更大步幅、并添加残差修正。
2. 核心方法
2.1 问题建模
将人形步态涌现建模为全身技能扩展问题。在每个时间步 $t$，机器人接收本体感知观测 $\mathbf{s}_{t}\in\mathcal{S}$ 和速度指令 $\mathbf{v}_{t}\in\mathcal{V}$，输出关节级动作 $\mathbf{a}_{t}\in\mathcal{A}$。目标是学习单个指令条件策略 $\pi_{\theta}$，平滑覆盖从行走到慢跑到跑步的步态族群。假设已有预训练行走策略 $\pi_{\mathrm{seed}}$（训练中冻结）。
核心架构用种子-残差适应：冻结的行走策略不作为常规残差方法中的静态基动作，而是作为可复用运动结构的生成器：
$$\mathbf{a}_{t}=\underbrace{\mathcal{G}_{\psi}\left(\left\{\mathbf{a}^{\mathrm{seed}^{(k)}}_{t}\right\}_{k=0}^{K},\boldsymbol{\alpha}^{\psi}_{t}\right)}_{\mathbf{a}^{\mathrm{wave}}_{t}}+\mathbf{a}^{\mathrm{res}}_{t}\quad\text{clipped to }(\mathbf{a}_{\min},\mathbf{a}_{\max})$$其中 $\mathbf{a}^{\mathrm{seed}^{(k)}}_{t}=\pi_{\mathrm{seed}}\left(\mathcal{T}_{k}(\mathbf{s}_{t}),\tilde{\mathbf{v}}_{t}\right)$ 是对冻结种子策略施加不同时间变换后得到的"种子动作波"，$\boldsymbol{\alpha}^{\psi}_{t}$ 是可学习层次记忆产生的指令条件组合系数。残差项 $\mathbf{a}^{\mathrm{res}}_{t}$ 捕捉超出结构化扩展范围的附加适应。
图2：GaitSpan 框架。从冻结行走策略作为种子出发，GaitWave 通过种子派生动作波的层次组合生长节奏，H-SLIP 塑形动态步幅事件，残差分支提供附加适应。
2.2 GaitWave：从种子行走层次生长节奏
最简单的种子-残差架构（Vanilla）只在行走域内查询种子策略，所有向动态步态的生长都必须由残差编码，这是不够的。GaitWave 引入了将种子策略生长为指令条件动作波族的机制。
关键思路：对冻结种子策略施加 $K$ 个内部节奏变换 $\mathcal{T}_{k}(\cdot)$（如不同时间缩放），查询得到 $K$ 个种子派生动作 $\mathbf{a}^{\mathrm{seed}^{(k)}}_{t}$。然后用层次记忆 $\mathcal{M}_{\psi}^{l}$ 产生组合系数 $\boldsymbol{\alpha}^{\psi}_{t}=\operatorname{SoftBlend}\left(\mathcal{M}_{\psi}^{l},\mathbf{v}_{t}\right)$，学习如何混合这些波。
层次结构 $\mathcal{H}=\{2,4,\cdots,l\}$ 在不同分辨率 $L$ 下用 $L$ 个可学习记忆单元表示指令区间，实现全局连贯性和局部表达力：
$$\mathbf{\beta}^{(L)}_{t,j}=m^{(L)}_{\psi,j}\left(\mathbf{s}_{t},\mathbf{v}_{t}\right)\in\mathbb{R}^{K}$$边界处用软混合避免不连续，不同分辨率的系数聚合为 $\boldsymbol{\alpha}_{t}=\sum_{L\in\mathcal{H}}\omega^{(L)}_{t}\boldsymbol{\alpha}^{(L)}_{t}$。最终动作波为：
$$\mathbf{a}^{\mathrm{wave}}_{t}=\mathbf{a}^{\mathrm{seed}}_{t}+\sum_{k=1}^{K}\alpha_{t,k}\mathbf{a}^{\mathrm{seed}}_{t}$$低速时 GaitWave 可恢复接近种子行走的步态（给扩展节奏分量小权重）；高速时层次记忆学习如何用种子派生节奏重塑行走动作。
flowchart TB
subgraph Seed["Frozen Walking Policy π_seed"]
S1[Observation s_t + Cmd v_t] --> SP[π_seed frozen]
end
subgraph GW["GaitWave: Rhythm Growth"]
T1[T_k time transforms] --> SA1["Seed actions a_seed^(k)"]
SA1 --> HM[Hierarchical Memory M_ψ]
HM -->|coefficients α| CO[Composition G_ψ]
CO --> AW["Action wave a_wave"]
end
subgraph HS["H-SLIP: Dynamic Shaping"]
VL[Virtual Leg ℓ root/upper/lower]
VL --> CR["Compression + Rebound + Flight"]
CR --> RE[Dynamic Reward]
end
SP --> T1
AW --> SUM["a = a_wave + a_res"]
RE --> SUM
SUM --> ROBOT[Humanoid Robot]
2.3 H-SLIP：层次虚拟腿动态塑形
GaitWave 扩展了从行走继承的节奏，但仅有节奏扩展不保证高速时涌现物理意义明确的动态步态。更快运动需要协调的动态事件：支撑加载与压缩、反弹、飞行和触地。H-SLIP 从弹簧倒立摆（SLIP）模型抽象中获得灵感。
为每只脚 $i$ 定义三级虚拟腿抽象：根-足（全局虚拟腿）、根-膝、膝-足：
$$\ell^{\mathrm{root}}_{t,i}=\left\|\mathbf{p}^{\mathrm{root}}_{t}-\mathbf{p}^{\mathrm{foot}}_{t,i}\right\|_{2},\quad\ell^{\mathrm{upper}}_{t,i}=\left\|\mathbf{p}^{\mathrm{root}}_{t,i}-\mathbf{p}^{\mathrm{knee}}_{t,i}\right\|_{2},\quad\ell^{\mathrm{lower}}_{t,i}=\left\|\mathbf{p}^{\mathrm{knee}}_{t,i}-\mathbf{p}^{\mathrm{foot}}_{t,i}\right\|_{2}$$虚拟腿长度的时间变化 $\dot{\ell}^{x}_{t,i}$ 近似为差分。用接触指示 $c_{t,i}$ 定义压缩和反弹项：
$$r^{x}_{\mathrm{comp},t}=\sum_{i}c_{t,i}\operatorname{ReLU}\left(-\dot{\ell}^{x}_{t,i}\right),\quad r^{x}_{\mathrm{reb},t}=\sum_{i}c_{t,i}\operatorname{ReLU}\left(\dot{\ell}^{x}_{t,i}\right)$$根-足级塑形全身支撑和质心动力学，上下腿级鼓励局部肢段在支撑和释放时协调运动。反弹用速度跟踪门调制，确保贡献于指令运动而非任务无关的弹跳：
$$g^{\mathrm{track}}_{t}=\exp\left(-\frac{\left\|\mathbf{v}^{\mathrm{base}}_{t,xy}-\mathbf{v}_{t,xy}\right\|_{2}^{2}}{\sigma_{\mathrm{track}}^{2}}\right)$$3. 实验分析
3.1 实验设置
在五种人形配置上评估：Unitree G1（29/23 DoF）、Booster T1（29/23 DoF）、Booster K1（22 DoF）。用 IsaacGym 训练 4096 个并行环境，sim-to-sim 评估在 MuJoCo 上进行。指标包括跟踪误差（指令 vs 实际速度）、飞行时间（无触地的空中阶段时长）、能量（关节扭矩-速度乘积积分）。
图3：不同速度和形态的涌现步态。足部触地图显示从站立行走到越来越动态的飞行模式的平滑过渡。
3.2 步态涌现
随着指令速度增加，GaitSpan 展现从稳定行走到长步幅、慢跑和跑步的连续渐进。低速产生规则交替支撑几乎无飞行，高速展现重组触地频率和更密的触地-飞行过渡。
关键发现：步态涌现因形态而异。同一速度下 Booster T1、K1 和 G1 展现不同足部触地模式，反映形态和驱动差异的形态特化适应——GaitSpan 不强加统一步态时序，而是提供共享技能生长原则让每种形态发展自己的运动模式。
图4：三种形态下的跟踪精度和动态步态涌现。GaitSpan 保持低跟踪误差同时在高速产生大量飞行时间。
3.3 基线对比
| 基线 | 跟踪误差 | 飞行时间 | 能量效率 |
|---|---|---|---|
| 行走种子（外推） | 高速严重退化 | 几乎无飞行 | — |
| 能量多专家组合 | 高速退化 | 几乎无飞行 | 保守运动 |
| 人体演示（AMP） | 中等 | 中等 | 较高 |
| GaitSpan | 全速范围最低 | 随速度递增 | 大部分范围最低 |
三个核心发现：(1) 步态涌现不牺牲指令跟踪——所有形态和分布内外指令下跟踪误差保持低，飞行时间随速度增加。(2) 从一个行走技能生长步态比组装能量塑形专家更有效——多专家基线虽组合了分别训练的行为，但高速跟踪退化且几乎无飞行。(3) 种子技能生长可比人体运动先验更具指令响应性——GaitSpan 跟踪更准，触地动力学重组更清晰，且大部分范围能耗更低。
3.4 消融实验
| 组件 | 跟踪误差 | 飞行时间 | OOD 鲁棒性 |
|---|---|---|---|
| 仅 Vanilla 种子-残差 | 中 | 低 | 差 |
| 仅 GaitWave | 略低 | 有限 | 不足 |
| 仅 H-SLIP | 高速退化 | 高 | 差 |
| 完整 GaitSpan | 低 | 递增 | 强 |
GaitWave 和 H-SLIP 互补：GaitWave 提供结构化、指令条件的种子节奏扩展，H-SLIP 提供将扩展组织为受控动态步幅的物理偏置。训练策略上，从头训练（有无残差分支）和直接微调种子策略都不如 GaitSpan 的结构化扩展——直接微调会覆盖行走稳定结构却不可靠地发展跑步行为。
图6：关键组件和训练策略的消融研究（Booster T1）。
4. 讨论
GaitSpan 证明了"技能生长"范式的可行性：已习得运动技能不必只是训练终点，可以作为结构化扩展的种子，生成更丰富的相关行为族群。这对人形技能获取指明了一条更高性能、更高效、更可扩展的路线。
跨形态迁移是重要发现——同一步生长原则让不同形态发展各自的步态模式，而非强加统一时序。零样本 sim-to-sim 和真实地形部署验证了实际可部署性。
5. 局限分析
作者自述：GaitSpan 依赖行走种子的质量和覆盖范围——弱或窄的种子会限制涌现行为。它展示的是单步技能生长（从行走到慢跑跑步），而非将新获行为折回种子的持续自扩展。分阶段闭环递归可解决此局限，但何时以及如何重新播种需深入研究。
独立判断：虽然 GaitSpan 覆盖了行走到跑步的连续谱，但未涉及横向移动、转弯、上下台阶等更复杂的运动模式，技能生长原则在这些场景下的有效性仍有待验证。此外，H-SLIP 的 SLIP 抽象对非平面地形的适用性也可能受限。
6. 结论
GaitSpan 通过 GaitWave 节奏生成、H-SLIP 步态塑形和残差适应，将人形基础行走技能生长为更广的运动曲目。核心贡献不在于又一个步态控制器，而在于展示了一个学习运动技能可以超越训练终点——当被视为结构化扩展的种子时，能生成更丰富的相关行为族群。
