arXiv · 机器人与计算机视觉· Shengzhang Xu, Yuning Guo, Weiyi Hu, Yifeng Xu, Zhongyu Li, He Kong·· 22 天前AI 评分42
REACH:基于强化学习的分层人形爬行框架实现可变高度受限空间穿越
REACH: An RL-based Hierarchical Humanoid Crawling Framework for Adaptable Confined Space Traversal
AI 导读
Unitree G1 人形机器人通过 REACH 框架,结合双向切换策略与激光雷达规划器,在 1.27-0.50m 双足及 0.50-0.20m 爬行模式下实现受限空间自主穿越。该 RL 分层架构利用本体感知构建条件潜变量表示,解决了富接触动力学难题并扩展了蹲伏行走的通行极限。真实实验验证了高度速度跟踪精度、地形鲁棒性及模式切换可靠性,代码与视频已公开。
来源:arXiv · 机器人与计算机视觉 · arxiv.org