VAPS：以可行度感知策略选择护航人形机器人空翻安全

能否通过实时评估多个候选策略的短期可行度，在人形机器人执行空翻等动态动作时，在继续执行、可控中止和保护性摔倒之间做出最小牺牲的安全选择？

人形机器人学习空翻等特技通常使用参考跟踪策略，一旦偏离参考轨迹就没有恢复能力；现有安全机制多为二选一，要么继续名义策略，要么激活单一备份（通常为保护性摔倒或通用恢复），无法处理中间状态，即动作已失败但还能双脚着地的情况。单策略融合方法也缺少切换粒度。

此前做法包括：学习一个保护性摔倒策略并由持续运行的摔倒预测器触发；使用控制屏障函数、Hamilton-Jacobi 可达性等计算单一安全值；或把执行与恢复融合到一个端到端策略中。它们的共同不足是只为一个策略计算一个安全量，无法判断是否还能中止动作并保持站立。

VAPS 训练三个专家策略：名义跟踪策略、可控中止策略、保护性摔倒策略。为名义和中止策略分别训练短期可行度预测器，输入 20 步观测历史，预测以 γ=0.9 折扣的 50 步内不发生物理摔倒的概率。预测器用反事实回放数据训练，即从离轨状态出发分别运行候选策略。选择规则遵循最小牺牲层级：每步选择仍可行且最不放弃任务的策略；若中止策略可行度下降则升级到保护性摔倒。阈值为 FAR≤1% 选择，τ_nom=0.2，τ_abort=0.87。同一层级可用于监督欠训练策略。

在 Unitree G1 仿真中，名义策略单独执行的成功率为 62.1%，头部接触率 27.7%，手部接触率 36.6%，摔倒率 37.9%。VAPS 全层级把成功率保持在 59.6%，头部接触率降至 1.6%，手部接触率降至 8.8%，摔倒率降至 26.1%，摔倒回合中头部峰值力的中位数为 0.0 N（均值 28.8 N）。在 LimX Oli 仿真中，名义策略头部接触率为 15.5%，VAPS 全层级为 1.1%，成功率从 80.7% 微降至 79.2%。与单网络替代方案相比，VAPS 在 G1 上帕累托占优：端到端 RL 最佳配置头部接触率 24.0%，最优蒸馏学生为 10.1%，而 VAPS 在 τ=0.5 时可达 1.1%。在真机 LimX Oli 上，13 次试验的可行度预测器全部正确，无虚警，平均提前 0.544 秒；18 次全层级试验中有 15 次实现预期目标（83.3%）。安全回退策略方面，中止策略在 19 次手动接管中 17 次站稳，保护性摔倒策略在 16 次中 12 次保护了头部和手部。预测器对比中，VAPS 检测率 91.7%，虚警率 0.0%，平均提前量 0.416 秒，优于 SafeFall 式最终结局预测器的最好结果（检测率 84.2%，虚警率 0.4%，提前量 0.316 秒）。

论文未单独讨论局限，但可识别以下限制：预测器和阈值在仿真中离线调优，迁移到新动作或机器人需重新训练；真机验证规模有限，仅 LimX Oli 侧空翻一种动作，18 次全层级试验；硬件试验中的备份策略由人工触发，不是完全自主；所有训练数据来自仿真，对极端 sim-to-real 差距的鲁棒性未充分证明；论文未报告代码是否开源。此外，VAPS 依赖三个策略和两个预测器，系统复杂度高于单策略方案。