#局部导航 (2)

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。

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。