PAPER DEEP DIVE
VOP-Nav：四足机器人在拥挤环境中的敏捷导航
VOP-Nav 将速度障碍(VO)的几何安全性与端到端强化学习结合，仅用机载多帧 LiDAR 预测安全速度区域，让 Unitree Go2 在拥挤动态环境中敏捷避障导航。
论文：Learning Agile Navigation in Crowded Environments for Quadruped Robots
作者：Shuyu Wu, Zeyu Liu, Tianbao Zhang, Fanxing Li, Fangyu Sun, Mingkang Xiong, Wei Xi, Wenxian Yu, Danping Zou
机构：上海交通大学 · 美的集团高端重载机器人全国重点实验室
链接：arXiv:2607.15036（2026-07-16）·
代码状态：未开源（论文未提供代码仓库，检索 GitHub 亦未发现官方实现）
一句话总结
VOP-Nav 用一个直接从多帧 LiDAR 回归“安全速度区间”的感知网络 VOP-Net，把速度障碍（Velocity Obstacle）的几何安全性注入端到端强化学习策略的输入与奖励，使 Unitree Go2 在密集动态人群中以接近 2 m/s 的平均速度实现零碰撞零样本导航。
研究背景与动机
四足机器人要走进城市街道、商场、工厂和公共交通枢纽，绕不开一个核心场景：在密集且不断移动的人群中穿行。这类场景有两个天然的难点。其一，动态障碍频繁遮挡传感器视野，感知质量急剧下降；其二，行人轨迹本质上不可预测，密度越高越难估计。在医疗急救、灾难救援这类时间敏感任务里，机器人可能需要顶着疏散人流逆行运送物资，高密度对向人流会直接堵死路径。导航系统必须同时满足“安全”和“敏捷”两个看似矛盾的目标。
传统方案遵循“感知—规划—控制”流水线。DWA 与速度障碍（VO）这类经典方法在速度域而非空间域推理，能施加显式的碰撞避免约束，但它们依赖强假设：每个障碍物的位置与速度都必须准确已知。后续工作试图用机载检测与跟踪（YOLO、多假设跟踪等）在线估计障碍状态，但在密集人群中，严重遮挡与传感器噪声使状态估计极不可靠，VO 规划器随之失效。这正是本文要解决的“感知瓶颈”。
另一个方向是端到端学习：用强化学习或可微物理直接把传感观测映射为关节级指令，省掉显式感知与规划模块，避免多级流水线的误差累积与延迟。对四足机器人而言，关节级输出还能带来轮式底盘不具备的敏捷性——这对抢占人群中转瞬即逝的空隙至关重要。但作者在实验中发现，端到端方法在密集动态环境中表现明显下滑。原因有二：一是针对密集移动障碍的奖励很难设计，传统的碰撞惩罚或距离奖励只能训练出“临撞才躲”的反应式行为，无法引导策略提前避开未来可能变危险的区域；二是端到端策略从原始观测学到的隐式表征，难以可靠编码移动障碍物施加的时变碰撞约束。
于是出现了一个清晰的矛盾：基于模型的方法有安全保证但感知脆弱，端到端学习鲁棒敏捷但缺乏对障碍运动的显式预测。本文的切入点就是缝合这两条路线——保留 VO 的几何安全性，但不再显式计算 VO，而是让一个神经网络直接从原始 LiDAR 序列中“感知”出安全速度区域。作者把这个范式命名为速度障碍感知（Velocity Obstacle Perception）。
预备知识：速度障碍与碰撞锥
速度障碍方法把机器人 A 与障碍物 B 都搬到速度域里分析。把 A 建模为半径 $r_A$ 的圆，B 建模为半径 $r_B$ 的圆，定义相对速度 $v_{AB}=v_A-v_B$。以 A 为质点、以 B 的位置为圆心、以 $r_A+r_B$ 为半径构造膨胀碰撞区域 $\hat{B}$，则所有可能碰撞的相对速度构成原始锥：
$$C_{AB}=\{v_{AB}\mid \lambda_{AB}\cap\hat{B}\neq\emptyset\}$$
其中 $\lambda_{AB}$ 是从 A 出发、沿 $v_{AB}$ 方向的射线。实际导航只关心有限时间窗 $\tau$ 内的碰撞，因此要去掉锥内对应“$\tau$ 之后才撞”的内部区域，得到截断碰撞锥 $CC_{AB}$。再把相对速度空间平移回 A 的绝对速度空间，即对 $CC_{AB}$ 做关于障碍速度 $v_B$ 的 Minkowski 和：
$$\text{VO}^{\tau}_{A|B}=\{v_A\mid v_A\in CC_{AB}\oplus v_B\}$$
只要机器人速度 $v_A$ 落入该灰色区域，$\tau$ 时间内必然发生碰撞；对多个障碍物取并集，就得到整个场景的禁行速度区。传统 VO 方法的流程是“检测—跟踪—估计速度—计算碰撞锥—规划”，而本文的思路是把这整条链路压缩成一个网络的回归目标。
系统总览：三阶段训练流水线
整个系统按三阶段训练，全部在 Isaac Gym 中完成，最后零样本迁移到真机。
图1：系统架构。(a) 三阶段训练流水线：先训练 Basic 策略，再用它采数据训练 VOP-Net，最后把 VOP-Net 预测同时作为输入与奖励训练 VOP-Nav 策略。(b) Unitree Go2 真机部署，VOP-Net 与策略并行推理，底层 PD 控制器 200 Hz。
flowchart TD
A["Stage 1: Isaac Gym 1024 parallel envs
train Basic policy, 970-dim obs"] --> B["Roll out Basic policy
collect 10,000 files x 1024 envs x 48 steps"]
B --> C["Compute ground-truth safe velocity region
Algorithm 1 with privileged obstacle states"]
C --> D["Stage 2: train VOP-Net
5-frame LiDAR, 3-channel tensor
MobileNet + orthogonal attention"]
D --> E["VOP-Net output
360 x 2 safe velocity intervals"]
E --> F["Stage 3: train VOP-Nav policy
obs 1693-dim, from scratch"]
E -->|"policy input at inference"| F
E -->|"reward r_VO at training"| F
F --> G["Zero-shot deploy on Unitree Go2
VOP-Net 50 Hz + policy 50 Hz + PD 200 Hz"]
形式化上，任务被建模为部分可观测马尔可夫决策过程（POMDP）：$\langle\mathcal{S},\mathcal{A},\mathcal{T},\mathcal{R},\Omega,\mathcal{O}\rangle$，因为机器人只能通过机载 LiDAR、深度相机与本体感知获得局部且易被遮挡的观测。策略 $\pi_\theta(a_t\mid o_t)$ 的优化目标是最大化折扣回报，用 PPO 求解：
$$J(\pi_\theta)=\mathbb{E}_{\pi_\theta}\left[\sum_{t=0}^{\infty}\gamma^{t}r_t\right]$$
方法详解
1. 安全速度区域：把 VO 离散成可回归的目标
VOP-Net 的监督信号是“安全速度区域”：机器人最大可行速度圆与所有障碍物 VO 并集之补集的交集。稠密场景中 VO 并集的几何形状极不规则，直接回归很困难，作者把速度空间沿角度域均匀离散为 $d=360$ 个方向，每个方向 $j$ 上保留一个安全速度区间 $\mathbf{v}_{\text{safe}_j}$。这一离散化保留了物理可解释性，又给网络提供了结构化的定长回归目标。
计算时先把障碍状态从世界系 $F_W$ 变换到机器人本体系 $F_R$。设机器人位置 $p_R=[x_R,y_R,z_R]^T$、航向 $\theta_R\in[-\pi,\pi)$，则本体系到世界系的仿射变换为：
$$T_{R\rightarrow W}=\begin{bmatrix}R(\theta_R)&t\\ 0^{T}&1\end{bmatrix},\quad R(\theta_R)=\begin{bmatrix}\cos\theta_R&-\sin\theta_R\\ \sin\theta_R&\cos\theta_R\end{bmatrix}$$
用其逆变换 $T_{W\rightarrow R}$ 把每个障碍的位置和速度映射进本体系后，逐障碍计算各方向上从原点到膨胀边界 $\hat{B}$ 的距离 $L_j$，取临界速度幅值 $D_j=\min(L_j,v_{\max})$。若机器人当前在 VO 区域之外，该方向可行区间为 $[0,D_j]$；若已身处 VO 区域之内（碰撞风险迫在眉睫），则优先给出脱离碰撞所需的最小区间 $[D_j,v_{\max}]$。最后对所有障碍逐方向取交集：$\mathbf{V}_{\text{safe}}=\bigcap_{i=1}^{n}\mathbf{V}_{\text{safe}}^{O_i}$。当同一方向出现多段可行区间时，保守地保留低速段——因为学习到的运动策略未必能稳定达到理论上的高速段，依赖它们可能诱发过度激进的 davranство。整套流程即论文中的 Algorithm 1。
2. VOP-Net：从原始 LiDAR 序列直接感知动态约束
VOP-Net 是本文的核心贡献。它不检测、不跟踪、不显式计算任何 VO 几何，而是让网络隐式编码动态约束。输入是当前帧加前四帧共五帧 LiDAR 扫描，预处理成三通道张量：第一通道是原始距离；第二通道是切向差分（空间梯度），用于凸显障碍边界；第三通道是帧间径向差分（时间梯度），编码机器人与环境相对位移的观测级线索。这个设计很巧妙——障碍物的运动信息不需要显式估计，它就藏在连续帧的差分里。
特征提取用 MobileNet 块，兼顾轻量与表达力；随后接一个正交注意力模块，分别沿时间轴与空间角度轴做池化，生成两套独立的注意力权重：一套强调关键的历史时刻，一套强调危险的空间方向。最后经时间池化与 MLP 解码器回归 $d\times 2=360\times 2$ 维的安全速度区间（每个方向的最小、最大安全速度）。
3. 阶段一：Basic 策略
Basic 策略在动态仿真环境中训练，目标是获得基础导航能力并为阶段二产生数据。观测共 970 维：50 维本体感知（足端接触力、基座角速度、重力投影向量、到目标相对距离、剩余回合时间、关节位置与速度、上一时刻动作），加上 $22\times 40$ 深度图（880 维）和 40 维 LiDAR（9° 角分辨率）。动作是 12 维目标关节位置，由 PD 控制器跟踪，力矩计算为：
$$\tau=K_p(t_a-q)-K_d\dot{q}$$
奖励函数主要沿用 ABS 框架，包含碰撞惩罚、目标追踪、力矩与动作平滑正则。让机器人敢跑起来的关键是敏捷奖励：
$$r_{\text{agile}}=\max\left\{\text{ReLU}\left(\frac{v_x}{v_{\max}}\right)\cdot\mathbf{1}(\text{dir}_{\text{good}}),\ \mathbf{1}(d_{\text{goal}}<\sigma_{\text{tight}})\right\}$$
其中 $v_{\max}=4.5$ m/s，$\mathbf{1}(\text{dir}_{\text{good}})$ 要求航向误差在 105° 以内，$\sigma_{\text{tight}}=0.5$ m 的项保证机器人进入目标附近时奖励不塌缩。这一项直接决定了 Basic 策略的高速运动能力上限。
4. 阶段二：数据集与混合损失
用 Basic 策略在动态环境中采集了大规模数据集：10,000 个数据文件，每个文件聚合 1,024 个并行环境、48 个时间步的转移数据，包含机器人运动学与全部障碍物的几何/运动学状态（位置、速度），用于按 Algorithm 1 离线计算监督信号。采集时故意把最大速度设为 $v_{\max}=4.5$ m/s，鼓励探索高速机动。训练损失把 IoU 的几何对齐性与 MSE 的梯度稳定性结合起来：
$$\mathcal{L}=\alpha\mathcal{L}_{\text{IoU}}+(1-\alpha)\mathcal{L}_{\text{MSE}},\quad \alpha=0.2$$
设预测与真值区间分别为 $\mathbf{v}_{\text{pred}_j}=[v^{\min}_{\text{pred}_j},v^{\max}_{\text{pred}_j}]$ 与 $\mathbf{v}_{\text{safe}_j}$，IoU 项衡量区间重叠，MSE 项约束边界数值精度：
$$\mathcal{L}_{\text{IoU}}=\frac{1}{d}\sum_{j=1}^{d}\left(1-\frac{|\mathbf{v}_{\text{pred}_j}\cap\mathbf{v}_{\text{safe}_j}|}{|\mathbf{v}_{\text{pred}_j}\cup\mathbf{v}_{\text{safe}_j}|+\epsilon}\right)$$
$$\mathcal{L}_{\text{MSE}}=\frac{1}{2d}\sum_{j=1}^{d}\left((v^{\min}_{\text{pred}_j}-v^{\min}_{\text{safe}_j})^{2}+(v^{\max}_{\text{pred}_j}-v^{\max}_{\text{safe}_j})^{2}\right)$$
5. 阶段三：VOP-Nav 策略的双重集成
理论上可以把 VOP-Net 的预测当作硬几何约束直接裁剪速度，但作者明确指出这样做次优：网络预测是从原始传感数据学来的近似，带有偏差与不确定性，硬执行会导致过度保守或不可行的动作。因此预测以两种互补方式融入策略：推理时作为状态输入的一部分，训练时作为奖励整形项。观测空间在 Basic 的 970 维基础上，追加 3 维线速度（因为 VOP 约束只在速度域有意义）和 720 维 VOP-Net 输出，共 1693 维。策略从零开始训练。
速度约束奖励 $r_{\text{VO}}$ 惩罚违反预测安全区间的速度指令，是一个软约束：
$$r_{\text{VO}}=\begin{cases}v-v_{s\text{-min}},&\text{if }v<v_{s\text{-min}}\\ v_{s\text{-max}}-v,&\text{if }v>v_{s\text{-max}}\\ 0,&\text{otherwise}\end{cases}$$
其中 $v=\|\mathbf{v}_{xy}\|$ 是当前平面速度幅值。由于 VOP-Net 输出的是离散角度 bin，而机器人速度方向 $\theta=\operatorname{atan2}(v_y,v_x)$ 是连续的，作者用 $k=5$ 个最近角度扇区做逆距离加权插值，角距离按周期环绕计算：$\delta_i=\min(|\theta-\lambda_i|,\,2\pi-|\theta-\lambda_i|)$，权重 $w_i=(\delta_i+\epsilon)^{-1}/\sum_j(\delta_j+\epsilon)^{-1}$，插值得到当前方向的 $v_{s\text{-min}}$ 与 $v_{s\text{-max}}$。
6. 训练环境与课程
训练场地由起点区、目标区与中间 $8\times 5$ m² 的障碍区构成，纵向两侧装墙防止绕行取巧，强迫策略必须穿过动态障碍区。动态障碍用圆柱体（高 1.7 m、半径 0.5 m，近似行人）建模，每回合最多 8 个，沿直线运动并在边界镜面反射；静态障碍包括最多 2 个细圆柱与最多 4 个长方体。课程等级 $l_c\in\{0,\dots,9\}$ 按机器人到目标的距离自适应升降（0.5 m 晋升、2.0 m 降级），障碍数量线性增加，动态障碍速度上界按 $v^{d}_{\max}=\max(v_{\min}^{\text{obj}},0.1(l_c+1)v_{\max}^{\text{obj}})$ 扩张，并以概率 $p_{\text{change}}=0.05\,l_c$ 注入随机加减速或急停扰动，地形粗糙度从 0 cm 线性升到 7 cm。
图2：训练环境示意图——绿色起点区、粉色目标区，中央为线性移动的黄色动态圆柱与棕色/灰色静态障碍。
六、实验结果
作者在 Isaac Gym 中设计了四个与训练分布不同的测试环境（森林、办公室、广场、低速），动态障碍由 RVO 算法驱动以更接近真实人群，并引入反应系数 $r_{\text{react}}\in[0,1]$ 控制多少比例的行人会主动避让机器人。训练时刻意不用 RVO——它计算开销大、容易形成局部拥堵冻结、还会削弱高速交互样本——而用快速直线障碍训练、用协作式 RVO 人群测试，是对泛化能力的严格检验。基线覆盖五类：经典 VO 方法 ORCA、学习式 VO 方法 NavRL、人群导航规划器 HEIGHT、四足人群导航 REASAN、敏捷四足导航 ABS。
1. 主实验：五个环境全面领先
下表为主实验结果（成功率%，节选关键列）：
| 环境 | 策略 | 成功率↑ | 碰撞率↓ | 超时率↓ | 平均速度↑ | 峰值速度↑ |
|---|---|---|---|---|---|---|
| Training | ABS | 53.16 | 43.57 | 3.26 | 2.29 | 3.42 |
| ORCA(2T) | 59.89 | 22.73 | 17.38 | 1.21 | 2.65 | |
| NavRL(2T) | 71.84 | 22.55 | 5.61 | 1.13 | 2.49 | |
| VOP-Nav | 78.35 | 18.91 | 2.74 | 1.99 | 3.34 | |
| Forest | ABS | 76.07 | 23.42 | 0.50 | 2.47 | 3.44 |
| NavRL(2T) | 90.49 | 8.68 | 0.84 | 1.56 | 2.57 | |
| REASAN | 68.06 | 30.90 | 1.04 | 1.67 | 2.35 | |
| VOP-Nav | 94.48 | 5.42 | 0.10 | 2.55 | 3.56 | |
| Office | NavRL(2T) | 81.07 | 13.60 | 5.34 | 1.13 | 2.52 |
| ABS | 61.29 | 29.33 | 9.38 | 2.15 | 3.35 | |
| VOP-Nav | 81.12 | 14.93 | 3.95 | 2.03 | 3.49 | |
| Square | ORCA(2T) | 78.79 | 20.31 | 0.89 | 1.50 | 2.70 |
| ABS | 53.11 | 44.19 | 2.70 | 2.24 | 3.30 | |
| VOP-Nav | 83.67 | 15.67 | 0.65 | 1.96 | 3.35 | |
| Slow | NavRL(2T) | 88.89 | 5.98 | 5.13 | 1.09 | 2.50 |
| ABS | 83.92 | 13.78 | 2.30 | 2.30 | 3.34 | |
| VOP-Nav | 92.24 | 6.08 | 1.69 | 2.19 | 3.42 |
几个值得细读的现象：训练环境是最难的场景（空间受限、密度高、动态障碍速度 1.5 m/s），ORCA 与 NavRL 碰撞率低但超时率极高，把回合时长翻倍（2T）后成功率才上来，说明它们靠"熬时间"而非"走得快"通过；HEIGHT 因为前向速度指令被限制在 0.5 m/s，即使回合拉长四倍也在训练环境只有 0.17% 的成功率；REASAN 在训练环境碰撞率高达 48.10%。VOP-Nav 是唯一在五个环境都拿到最高成功率、且平均速度保持在 1.96–2.55 m/s 区间的方法——它不是靠牺牲速度换安全，而是靠感知动态约束找到可行间隙。
图3：广场测试环境——高密度动态人群场景，黄色圆柱为模拟行人。
轨迹定性分析（论文 Fig. 8）很能说明问题：HEIGHT 在第 421 步因移动太慢被撞；ORCA 进入拥挤区后反复减速、在角落长时间冻结，第 622 步被撞；NavRL 在第 270 步急刹调整后从间隙穿过，但通过时余量很小；ABS 的恢复策略救回几次紧急减速，却仍反复闯入拥挤区，第 437 步被撞。VOP-Nav 在第 146 与 270 步主动减速转向开阔空间，路径可行时立刻加速，比 NavRL 更早到达目标。配合 Fig. 10 的安全速度场可视化：第 146 步 VOP 模块检测到速度空间分裂——右侧安全速度低、左侧支持更高速度，机器人选左侧绕开危险区；第 330 步预测安全区与某个动态障碍当前位置重叠，说明网络正确识别出该障碍正在远离，可以安全利用其身后空间。
2. VOP-Net 预测质量与消融
VOP-Net 在验证集上达到 IoU 0.808、MSE 0.172。作者进一步在最终策略回滚中在线评估（取成功轨迹中起止进度 5%–95% 的交互密集段），并定义误安全率 FS 与误不安全率 FU 区分过度乐观与过度保守的错误：
| 环境 | 模型 | IoU↑ | MSE↓ | FS(%)↓ | FU(%)↓ |
|---|---|---|---|---|---|
| Training | VOP-Net | 0.7005 | 0.2972 | 16.49 | 10.21 |
| Forest | VOP-Net | 0.6883 | 0.5581 | 13.28 | 16.22 |
| Office | VOP-Net | 0.7792 | 0.1667 | 8.52 | 8.61 |
| Square | VOP-Net | 0.5520 | 0.5368 | 23.92 | 14.44 |
| Slow | VOP-Net | 0.7891 | 0.2309 | 8.07 | 10.12 |
广场这种极端拥挤场景 IoU 最低（0.552）、FS 最高（23.92%），符合直觉。用特权信息算出的真值安全区替换 VOP-Net 预测训练的 GT-VOP-Nav 在多数环境进一步提高成功率、显著降低碰撞率，说明预测误差主要影响避碰质量而非任务可达性；但 VOP-Net 仅用机载观测就保住了大部分性能。消融实验（Table V）则把 VOP-Net 的两种用法拆开：只用奖励（Only reward）倾向保守，四个环境成功率低于 Basic、超时率明显升高；只用输入（Only input）在五个环境都拿到最高平均与峰值速度，但碰撞率处处高于完整 VOP-Nav。结论清晰：输入提供安全速度信息，奖励约束对它的使用，两者合起来才得到进度与安全的最佳平衡。Forest 是唯一例外——保守行为在低约束环境已足够，Only reward 反而与 VOP-Nav 打平。
图4：安全速度预测可视化——左为真值、右为 VOP-Net 预测，绿色为安全速度区，蓝色外环为最大速度限制。
3. 真机实验：零样本部署
真机平台为 Unitree Go2 + Livox Mid-360 + RealSense D435i，室内用动捕定位、室外用 Fast-LIO2；Jetson Orin Nano 跑 VOP-Net 与传感器驱动，Intel N100 跑导航策略，两者同步 50 Hz，底层 PD 控制 200 Hz。室内 20 m × 8 m 场地布置 12 个静态障碍，7 名参与者被要求故意拦截机器人；室外选小树林（起伏地形、可主动干扰）与 3 m 宽窄路。结果：室内 15/15 全部成功（平均速度 1.422 m/s、峰值 2.462 m/s），室外 15 次成功 12 次，两次失败源于定位不确定性、一次超时发生在极窄通道（机器人选择等待可行路径而非冒险硬闯）。
图5：真机实验平台与传感器配置。
作者对仿真—真机速度差（约 1.4 m/s 对 2 m/s 量级）做了诚实归因：真实行人会停、转、加速、故意阻挡，比仿真中的几何代理更复杂；Mid-360 是非重复扫描雷达，60 Hz 下每帧点数少，平面化滤波后部分角度扇区无点，只能填最大量程；Fast-LIO2 在机器人剧烈运动时里程计漂移，会污染相对目标与速度估计。值得注意的是，开阔场地高速测试中真机仍能达到 3.014 m/s 峰值，紧急制动测试能在障碍出现在 1 m 处时成功刹停，两名操作员持续阻挡下系统无碰撞无摔倒——这些压力测试说明拥挤场景中的低速是交互与部署约束所致，而非基础运动能力退化。
七、局限性
1. 2D 平面表征丢弃三维可通行性（作者自述）。VOP-Net 工作在平面投影上，计算高效但简化了足式机器人特有的三维可通行性：悬垂结构、沟壑等负障碍需要体素级感知才能正确处理，当前表征在这些场景会失效。
2. 室外定位漂移（作者自述）。户外运行依赖 Fast-LIO2，剧烈运动带来的里程计漂移会使相对目标与速度估计失真，这是两次室外失败的直接原因。
3. 感知链路的工程性妥协（读者判断）。Mid-360 平面化后空扇区填最大量程，相当于把"没看到"当成"无限远"，在玻璃、高反射或稀疏点云场景存在系统性风险；仿真中用 ray casting 近似深度与 LiDAR 也引入观测失真。此外，真机平均速度明显低于仿真，说明 sim-to-real 的速度差距尚未完全弥合。方形的 0.552 IoU 也提示极端拥挤下感知质量仍有明显下降空间。
八、总结与展望
VOP-Nav 给出了"几何安全"与"学习敏捷"融合的一条干净路径：不去显式检测与跟踪障碍，而是让网络把多帧 LiDAR 直接映射为速度障碍理论定义的安全速度区域；这个中间表征既是策略的输入，又是训练时的奖励信号，形成感知—决策的闭环。仿真中五个环境成功率全面领先且保持 2 m/s 级速度，真机零样本部署室内 15/15，验证了该设计的工程可行性。对具身导航领域，它的启示在于：与其让策略从原始观测中隐式猜出碰撞约束，不如提供一个物理可解释、可微分、可作为软约束注入的中间层。未来工作可能沿三个方向展开——把安全速度区域扩展到三维可通行性、改进室外鲁棒定位、以及把 VOP-Net 迁移到人形平台或更复杂的城市级人群场景。
九、金句
"把速度障碍从需要精确障碍状态的计算几何，变成从多帧 LiDAR 直接回归的感知任务——VO 预测在推理时是策略的眼睛，在训练时是策略的教练。"
本解读基于 arXiv:2607.15036v1 全文精读撰写。
