面向人形机器人可恢复性监测的主动可达性学习

该论文提出一种主动可达性学习框架，用于学习给定回退策略的随机有限时域可恢复包络，从而在不可恢复跌倒发生前触发回退。方法把数据探索重构为可达-避让问题，由不确定性引导的探索器发现未见状态并避开确定不可恢复区域，同时结合时序差分与蒙特卡洛目标提升分布内价值预测和不确定性估计。作者在随机基准和29自由度Unitree G1人形机器人上评估，称监测覆盖率和准确率明显提升，并零样本迁移到真实硬件。