#地形自适应 (7)

瀑布流分页

P-BFM：感知行为基础模型实现人形机器人地形自适应控制

P-BFM 用无监督 RL 把动作参考、目标状态与奖励函数统一编码进地形无关的意图空间，一个冻结策略凭深度感知在不同地形实现同一意图；配合显式根部指令 ERI，零样本迁移到 Unitree G1，未见动作恢复率 61.4%。

Xue Wang, Yitang Li, Yiming Zhang · 415次阅读 · 2026年10月11日

人形机器人Unsupervised Reinforcement Learning

2026年10月11日

PGMT：面向人形机器人的感知式通用动作跟踪

人形动作跟踪器已能复现多样的全身动作，但一旦地形复杂起来，地形无关的参考动作常常物理不可行——参考要求右脚落在某处，而那里恰好是台阶棱或石块。PGMT 把地形适应做成跟踪策略自身的能力，而不是上游参考动作生成器的负担：第一阶段在平地上用 LAFAN1 人体动作学出通用的跟踪与跌倒恢复先验；第二阶段通过「动作条件化的地形一瞥」把高程图中与当前动作真正相关的区域稀疏注入意图融合模块，并用地形感知的跟踪松弛允许必要偏离、同时保住参考动作的意图。整套流程不需要任何「动作—地形」配对数据，任务完成率从 40.02% 提升到 87.81%（最难的 L9 档从 35.31% 提升到 83.33%）。在 29 自由度 Unitree G1 上零样本部署，可跨越 37 cm 高障碍箱、在楼梯上慢跑与冲刺、完成侧手翻并自主起身，同时支持遥操作与动态动作跟踪。

Hongyi Li, Li Peizhuo, Yucheng Tao · 654次阅读 · 2026年9月8日

人形机器人运动追踪

2026年9月8日

0:38

HFUN-TECH 变形人形机器人:自主在轮足与四足形态间切换

@LeoKharon · 658次播放 · 2026-08-28

Transformer Robot人形机器人

T-GMP:面向多样自然人形运动的地形条件生成式运动先验

人形机器人同时实现拟人自然性与地形鲁棒通行仍是核心挑战。现有RL方法依赖固定运动先验,环境适应性有限。本文提出地形条件生成式运动先验(T-GMP),用CVAE从少量专家状态-地形示教中学习地形条件的潜在运动流形,使风格平滑过渡、策略统一适配地形变化;结合Foothold Penalty与对抗学习判别器,按局部地形动态调制自然性约束。实验表明该方法在通行成功率与运动平滑度上优于基线,同时保持仿生自然且物理协调的运动。

Junhong Guo, Hao Hu, Chen Chen · 541次阅读 · 2026年6月5日

CVAE强化学习

2026年6月5日

CMoE：面向人形机器人运动控制与地形适应的对比混合专家

CMoE 利用对比学习优化 MoE 专家激活，提升人形机器人地形导航能力。在 Unitree G1 上验证，可跨越 20cm 台阶和 80cm 间隙。

Shihao Ma, Hongjin Chen, Zijun Xu · 639次阅读 · 2026年3月3日

宇树 G1MoE

2026年3月3日

0:52

Galileo X：速度与地形兼得的轮腿机器人

@techniahqrobot · 527次播放 · 2026-08-14

轮足移动机器人

0:34

双足机器人跨越不平坦户外地形

@Ronald_vanLoon · 418次播放 · 2026-08-12

双足机器人运动

作为亚马逊联盟会员,我们可能从符合条件的购买中获得佣金。