论文

ABot-N1：通用视觉语言导航基础模型

高德ABot-N1是一个慢快双系统视觉语言导航基础模型：4B慢系统输出思维链与Target/Affordance双像素目标，2B快系统经QFormer动作查询解码连续SE(2)轨迹点，用统一像素接口覆盖坐标点、物体、POI、指令跟随与人员跟随五类任务。3000万样本预训练+GRPO安全感知后训练，并发布ABotN-PointBench与ABotN-POIBench两个闭环基准。五基准全部SOTA：POI入口到达77.3%（+35.0个百分点），室外/室内坐标点导航92.9%/95.4%，并部署于途途四足机器人Jetson AGX Orin。

视觉语言导航VLN导航基础模型Ruiyan Gong, Yingnan Guo, Junjun Hu·2026年7月11日

DECOWAM：面向腿式移动操作的解耦全身世界-动作模型

DECOWAM 在冻结的 FastWAM 视频-动作主干上，通过未来等价瓶颈、底盘/手臂因子化与自我运动条件三个解耦接口建模腿式移动操作，Stage-2 可训练参数减少 232 倍，真机任务成功率 58.2%。

世界模型VLA移动操作Siyuan Ma, Boshi Zhang, Yutian Zhang·2026年8月20日

运动先验重塑：让平地四足技能适应复杂地形

论文提出分层强化学习框架：低层策略先在平地模仿犬类动作并形成运动先验，高层目标条件策略输出潜在步态指令与受约束关节残差，使 ANYmal-D 在楼梯、坡面、随机箱体和高障碍中保持自然动物风格步态，并完成感知运动、局部避障与目标导航。

四足机器人运动先验强化学习Zewei Zhang, Chenhao Li, Takahiro Miki·2025年5月21日

DELTA：面向稀疏地形四足运动的可变形高程局部地形注意力编码器

稀疏地形上的稳定四足运动需要选取与状态相关的地形证据来实现精确落脚。基于模型的落脚点规划器能精确选择落脚点，但严重依赖显式模型假设。近期基于注意力的地图编码（AME）研究表明，端到端强化学习（RL）可以学到隐式的落脚点引导。然而稠密 AME 编码的计算开销随地图分辨率增长，难以扩展到细粒度稀疏地形。本文提出 DELTA——一种可变形高程局部地形注意力编码器：DELTA 预测以状态为条件的采样位置，从自适应局部高程图块构造地形证据 token，并只对一个固定数量的 token 集合做注意力。在固定采样与图块设置下，DELTA 编码器开销与地图分辨率无关。实验表明，DELTA 在标准分辨率下取得与 AME 相当的最终穿越性能，同时提升了学习效率；固定的编码器开销使其可以使用更高分辨率的地形地图，从而提升细粒度稀疏地形上的穿越能力。DELTA 在由连续与离散地形元素组成的未见混合评测赛道上也表现出强泛化能力。除仿真外，DELTA 在 RAIBO2 四足机器人上完成了成功的 sim-to-real 迁移。对学到的采样偏移与注意力权重的分析表明，DELTA 无需落脚点标签或注意力监督即可采样可踏足区域，并关注与未来落足点相关的地形证据。

四足机器人四足运动强化学习Sanghyun Park, Moonkyu Jung, Jemin Hwangbo·2026年8月22日

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。

四足机器人quadruped导航Shuyu Wu, Zeyu Liu, Tianbao Zhang·2026年7月16日

MoE-Loco：面向多任务行走的混合专家方法

我们提出 MoE-Loco，一种面向腿式机器人多任务行走的混合专家（MoE）框架。该方法使单一策略能够处理多种地形（包括横杆、坑洞、楼梯、斜坡和挡板），同时支持四足和双足步态。利用 MoE，我们缓解了多任务强化学习中常见的梯度冲突问题，提升了训练效率和性能。实验表明，不同专家自然地专门化于不同的行走行为，可用于任务迁移和技能组合。我们在仿真和真实世界部署中验证了该方法的鲁棒性和适应性。

混合专家多任务行走腿式机器人Runhan Huang, Shaoting Zhu, Yilun Du·2025年3月11日

用于全身末端执行器旋量跟踪的多评论家学习方法

在单一策略中学习行走和手臂运动的全身控制面临挑战，因为两个任务存在冲突目标。例如，高效的行走通常偏好水平基座朝向，而末端执行器跟踪可能受益于基座倾斜以扩大可达范围。此外，当前使用基于位姿任务规范的强化学习（RL）方法缺乏直接控制末端执行器速度的能力，使得平滑执行轨迹非常困难。为解决这些限制，我们提出了一种基于 RL 的框架，支持动态的、速度感知的全身末端执行器控制。该方法引入多评论家执行器架构，解耦行走和操作的奖励信号，简化奖励调参并使策略能更有效地解决任务冲突。此外，我们设计了基于旋量的末端执行器任务规范，可同时跟踪离散位姿和运动轨迹。我们通过使用配备机械臂的四足机器人的仿真和硬件实验验证了该方法。所得控制器可同时行走和移动末端执行器，并展现出涌现的全身行为——在没有明确公式的情况下基座协助手臂扩展工作空间。

强化学习全身控制多评论家Aravind Elanjimattathil Vijayan, Andrei Cramariuc, Mattia Risiglione·2025年7月11日

优化腿式机器人的抓取：移动操作的深度学习方法

本文提出了一种深度学习框架，旨在增强四足机器人配备操作臂后的抓取能力，以实现移动操作。该方法利用深度学习模型从感知数据中预测最优抓取策略，使机器人能够在行走过程中识别和抓取目标物体。框架结合了视觉感知、抓取规划和运动控制，形成端到端的移动操作系统。通过仿真和真实世界实验，验证了该方法在多种物体形状和场景下的抓取成功率和鲁棒性。结果表明，深度学习方法能够有效提升腿式机器人在移动操作场景中的抓取性能。

腿式机器人深度学习抓取Dilermando Almeida, Guilherme Lazzarini, Juliano Negri·2025年8月24日

用于腿式移动操作的全身逆动力学模型预测控制

移动操作（Loco-manipulation）要求协调的全身运动来有效操纵物体同时保持行走稳定性，这对规划和控制都提出了重大挑战。本文提出了一种全身模型预测控制（MPC）框架，通过全阶逆动力学直接优化关节力矩，在单一预测层内实现统一的运动与力规划及执行。该方法使得涌现出的、物理一致的全身行为能够同时考虑系统动力学和物理约束。我们使用开源软件框架（Pinocchio 和 CasADi）以及最先进的内点求解器 Fatrop 实现 MPC 公式。在配备 Unitree Z1 机械臂的 Unitree B2 四足机器人上的真实实验中，MPC 公式实现了 80Hz 的实时性能。我们演示了需要对末端执行器的位置和力进行精细控制的移动操作任务，如拉动重物、推动箱子和擦拭白板。

腿式操作模型预测控制逆动力学Lukas Molnar, Jin Cheng, Gabriele Fadini·2025年11月24日

考虑非可忽略操作臂动力学的四足机器人移动操作非线性MPC框架

模型预测控制（MPC）结合降阶模板模型已成为四足机器人行走控制的强大工具。然而，当四足机器人配备操作臂时，操作臂的动力学可能对整体系统行为产生非可忽略的影响。本文提出了一种非线性 MPC 框架，专门针对具有非可忽略操作臂动力学的四足机器人移动操作场景。该框架显式地将操作臂的动力学耦合纳入模型预测控制公式中，使控制器能够协调行走和操作行为，同时保持整体系统稳定性。通过仿真和实验验证，该方法相比于忽略操作臂动力学的传统方法，在操作精度和系统稳定性方面均有显著提升。

模型预测控制移动操作四足机器人Ruturaj Sambhus, Kapi Ketan Mehta, Ali MirMohammad Sadeghi·2025年7月29日

学习腿式操作机器人的动态拾取与放置

腿式操作机器人通过将敏捷行走与多功能臂控制相结合，将机器人能力扩展到静态操作之外。然而，在保持协调行走的同时实现精确操作仍是一个重大挑战。本工作提出了一种层次化强化学习框架，用于使用配备 6 自由度机械臂的四足机器人执行动态拾取与放置任务。该框架包含一个显式质量估计模块，能够对不同的物体重量实现自适应全身控制。在仿真中，系统对最高 2.3kg 载荷实现了 86.05% 的成功率。该方法还通过六个代表性场景的真实实验进行了验证，这些场景在物体物理属性（尺寸和质量）和任务高度上有控制变化。具体而言，在从地面到 1.1m 高桌面的大垂直工作空间内，系统对最高 1.3kg 载荷展示了 73.3% 的平均成功率，平均执行时间为 4.06 秒。与以往处理轻量物体并以缓慢分段运动执行拾放的方式不同，该框架利用并发行走和操作实现动态连续执行。

腿式操作动态抓取强化学习Moonkyu Jung, Jiseong Lee, Zhengmao He·2026年5月15日

MLM：学习带臂四足机器人的多任务移动操作全身控制

带臂四足机器人的全身移动操作仍是一个具有挑战性的问题，特别是在实现多任务控制方面。为此，我们提出 MLM，一个由真实世界和仿真数据共同驱动的强化学习框架。它使配备六自由度机械臂的四足机器人能够自主或在人类遥操作下执行全身移动操作的多项任务。为解决移动操作学习过程中多任务平衡的问题，我们引入了具有自适应、基于课程采样机制的轨迹库。该方法使策略能够有效利用真实世界采集的轨迹来学习多任务移动操作。为应对仅有历史观测的部署场景，并提升策略在不同空间范围任务中的执行性能，我们提出了轨迹-速度预测策略网络，可预测不可观测的未来轨迹和速度。通过利用大量仿真数据和基于课程的奖励，我们的控制器在仿真中实现了全身行为并零样本迁移到真实世界部署。仿真中的消融实验验证了方法的必要性和有效性，而在配备 Airbot 机械臂的 Go2 机器人上的真实实验展示了策略在多任务执行中的良好性能。

强化学习移动操作四足机器人Xin Liu, Bida Ma, Chenkun Qi·2025年8月14日