#复杂地形 (7)

RPL 提出两阶段训练框架，先用特权高度图训练多地形专家，再通过高效多深度渲染蒸馏为统一 Transformer 视觉策略，使 Unitree G1 在斜坡、楼梯、踏脚石上双向行走并携带负载。

鲁棒的人形运动需要对周围3D环境的准确和全局一致感知。然而现有感知模块主要基于深度图或高程图，只能提供环境的部分和局部平坦视图，无法捕捉完整3D结构。本文提出Gallant，基于体素网格的感知方法，实现3D受限地形（含楼梯）的鲁棒行走。

与四足机器人可以使用盲策略导航多种地形不同，人形机器人由于高自由度和本质上不稳定的形态，需要精确感知才能稳定运动。然而引入感知信号往往会给系统引入额外干扰，降低鲁棒性、泛化性和效率。本文提出感知内部模型解决这些问题。