论文导读
苏黎世联邦理工学院团队让宇树G1先预测未来两步落脚点,再从已有高程地图中读取脚边小块区域。实机演示跨过55厘米空隙、走下60厘米落差;仿真训练达到同一地形等级所需迭代数约为完整地图方案的三分之一,减少无关输入后依然能处理复杂地形。
跨空隙前,它先把步子慢下来
实机路线里,G1需要上台阶、经过不平整物体,再跨过55厘米空隙和走下60厘米落差。论文的连续帧中,机器人靠近大间隙时减速、调整身体和脚步,再继续前进。作者展示的是路线通过和控制过程,没有给出可以推广到所有地形的统一实机成功率。
图:动作序列下方给出指令与测得速度,粉色标记对应预测落脚点
控制器并非没有看地面。机器人已有周围环境的高程地图,研究改变的是每次动作决策究竟读取哪些高度。通常的做法把整块地图一起送进网络,让网络自己学哪些格子重要;这也把两侧或身后的大量无关地形混了进来。
先猜两脚落在哪,再挑地图窗口
一个轻量预测器根据机器人自身状态与速度指令,估计接下来两次落脚的位置。系统围绕这两个位置各取一个7乘7的小窗口,再把落点坐标一起交给行走控制器。地形输入从完整高度扫描的693项降为102项。
预测器并不需要先看地图才能猜下一脚。它先根据当前运动估一个位置,控制器再查看那附近的地形并修正动作;随着机器人步态变化,预测器也定期用新的运动数据重新学习。这样,选择看哪里与学习怎样走可以一起推进。
图:上半部分把落脚点附近高度送入策略,下半部分更新落脚预测器
仅仅少采样还不够。论文把窗口放在当前脚边或简单沿指令方向布置,效果都不如围绕预测落脚点取样。有效的是把有限观察放到下一步真正可能接触的位置。
学习更快,视野也有边界
五种随机种子的训练曲线中,方法达到地形课程等级5约需7500次迭代,完整地图基线约多3.5倍。这里比较的是学习进度,不能直接写成机器人行走速度提高3.5倍,也不等于整套训练总电费同比例减少。
图:曲线比较不同地图处理方法达到相同地形课程等级的迭代进度
仿真里的稀疏踏脚点和窄墙通道能进一步检验是否看对了位置。方法在多种稀疏地形上表现更好,但完整地图方案在部分阶梯通道上仍有优势。机器人不打算踩到的区域会被过滤,侧面突然靠近的障碍物可能很晚才进入小窗口。
预测也不是越远越好。作者尝试把窗口指向更远的第三步,误差和方差都变大,反而削弱控制效果。当前设计把注意力停在未来两步;项目页另提供可操作的浏览器演示,让人观察速度指令改变时,预测脚印和采样窗口怎样随之移动。
训练预算对照还显示,注意力编码器可取得相近行走表现,却需要更昂贵的更新配置。这项工作先把观察窗口摆对位置,再让一个轻量控制器使用这些高度,而没有要求所有视觉问题都靠更大的网络处理。
参考资料
https://arxiv.org/abs/2610.29612
https://arxiv.org/html/2610.29612