使用选择性对抗运动先验的多步态人形机器人学习在统一强化学习框架中为人形机器人学习多样化运动技能仍具挑战性，因为不同步态间稳定性和动态表达性的冲突需求。本文提出多步态学习方法，使人形机器人掌握五种不同步态——行走、正步、跑步、爬楼梯和跳跃——使用选择性对抗运动先验。Yuanye Wu, Keyi Wang, Linqi Ye·2026年4月21日人形机器人多步态强化学习2026年4月21日
通过不安全踏步惩罚和稀疏LiDAR高程图实现楼梯全向人形运动人形机器人自由度多且重心高，本质上不稳定。在楼梯上的安全全向运动需要全向地形感知和可靠的落脚点选择。现有方法通常依赖前向深度相机，产生盲区限制全向感知。本文使用稀疏LiDAR高程图实现全向楼梯感知，通过不安全踏步惩罚确保全向安全行走。Yuzhi Jiang, Yujun Liang, Junhao Li·2026年3月9日激光雷达人形机器人全向运动2026年3月9日
基于实时基座下方地形重建的步态自适应感知人形运动对于全尺寸人形机器人，即使在基于强化学习的控制方面取得最新进展，在长楼梯等复杂地形上实现可靠运动仍然具有挑战性。本文提出通过步态自适应和基座下方实时地形重建，解决踏步时机不准和感知盲区问题，使机器人能够在长楼梯上可靠行走。Haolin Song, Hongbo Zhu, Tao Yu·2025年12月8日人形机器人步态自适应地形重建2025年12月8日
面向人形机器人爬楼梯的实时多边形语义建图本文提出一种面向人形机器人在楼梯等复杂地形导航的实时平面语义建图算法。该方法适配任意里程计输入，利用GPU加速平面提取，快速生成全局一致的语义地图。使用各向异性扩散进行语义标注，为人形机器人楼梯导航提供精确的环境感知。Teng Bin, Jianming Yao, Tin Lun Lam·2024年11月4日人形机器人语义建图爬楼2024年11月4日
显式楼梯几何条件化用于鲁棒人形运动鲁棒的人形机器人爬楼梯仍具挑战性，原因包括几何不连续性、对台阶高度变化的敏感性以及真实环境中的感知不确定性。现有基于学习的运动策略通常依赖隐式地形表征或盲式本体感知反馈，限制了其跨不同楼梯几何的泛化能力。本文提出显式将楼梯几何参数作为条件输入策略网络。Jianguo Zhang, Wentai Xu, Shusheng Ye·2026年5月11日人形机器人爬楼强化学习2026年5月11日
PolygMap：面向人形机器人爬楼梯的感知运动框架本文提出 PolygMap，一个基于感知的人形机器人爬楼梯运动规划框架。核心思想是构建实时多边形楼梯地图，使人形机器人在未知空间中精准踩踏可见位置。该方法解决了双足机器人在非平坦地形上行走时需要精确落脚点的关键问题。Bingquan Li, Ning Wang, Zhicheng He·2025年10月14日人形机器人爬楼感知运动2025年10月14日
0:45
