提出人形机器人感知型跑酷框架

Shaoting Zhu 等提出 Hiking in the Wild，一个端到端感知型人形机器人跑酷框架，将深度输入与本体感知直接映射到关节动作，不依赖外部定位与建图。团队在 Unitree G1 上实验，称该策略可在复杂非结构化地形上以最高 2.5 m/s 的速度稳定通行。 为保障安全与训练稳定性，框架引入结合可扩展地形边缘检测与足部体积点的落脚安全机制以减少边缘打滑，并用 Flat Patch Sampling 策略生成可行导航目标以缓解 reward hacking。

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。