人形机器人预判落足点的感知方法

Matthias Heyrman 等人在 arXiv 发布论文，提出轻量级落足点预测模型（FPM）：仅凭本体感知和速度指令预测未来落足点，只在这些落足点周围采样高程图，让感知先于策略预判落脚位置。 论文称，该策略零样本迁移到 Unitree G1 人形机器人，在室内外跨越障碍、楼梯、沟壑和台阶落差等超出训练分布的地形；使用该预处理后，达到同等地形难度所需训练迭代约为使用完整高程图的三分之一。预测模型与运动策略一同训练，并随机器人步态成熟定期用新的策略 rollout 重训。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。