一个策略让宇树G1爬梯、翻墙、匍匐，复合赛道成功率92.5%（苏黎世联邦理工）
苏黎世联邦理工学院机器人系统实验室的单一学习控制器让宇树G1人形机器人完成爬梯、翻越矮墙、匍匐、走梅花桩和从地面起身，在8条仿真复合赛道上平均成功率92.5%，对照方法MGMT为58.8%。全部感知与推理都在机载英伟达Jetson Orin上运行。
能否用一个人形机器人策略，同时获得参考动作跟踪控制器的自然全身动作和无参考强化学习的地形泛化能力？
纯强化学习在多种地形上泛化好，但很难自行学会在梯子上用手这类全身协调动作；跟踪人类动作数据的控制器动作自然，一旦地形与训练片段不同就会失败。
以往系统要么为每项技能手工设计奖励，要么完整跟踪躯干和关节的参考轨迹，从而被录制动作束缚。MGMT等动作生成规划器预测手脚未来位置，但在缺少对应数据的地形上表现不佳。
研究团队只把动作数据当作训练脚手架。第一阶段预训练一个按接触指令（手脚应落在哪里）运动的全身跟踪器，第二阶段训练基于注意力机制、根据地形图选择接触目标的规划器，第三阶段用目标到达任务对两者联合进行强化学习微调，其中包括完全没有参考动作的地形。
在有动作数据覆盖的地形上，仅靠接触指令各类别成功率均不低于98.5%，加入关节轨迹没有提升。第三阶段微调提高了所有目标到达类别和未见地形的成功率与接触精度，在稀疏支撑全身地形上成功率提升54.8个百分点。在8条复合赛道上，每种方法每条赛道测试1000次，平均成功率92.5%，MGMT为58.8%。真机G1上同一策略完成了爬梯、登台、翻越、匍匐、跳下和坐下。
本文为预印本。成功率来自关闭传感器噪声、物理随机化和动作延迟的仿真，真机测试是演示而非统计成功率。作者承认地形和接触表示是2.5维的，悬挂、顶部接触和操作需要更完整的3D感知；系统只处理局部目标到达而非全局导航，也无法处理没有明确接触的腾空动作。
对宇树等国产人形机器人厂商而言，这项工作直接基于G1平台，以接触目标而非完整轨迹训练的思路可在一到两年内被国内团队复用，用于巡检、建筑和应急场景中的攀爬与匍匐。方案在Jetson Orin上运行，也说明机载算力并非当前瓶颈，数据与训练流程才是。
受许可协议限制，本站不转载该论文全文，仅提供摘要和原文链接。