ETH Zurich 新法：预判两步后的落脚点，人形机器人训练量降至约三分之一
breadli428 · x · 2026-10-28
ETH Zurich 机器人系统实验室（Marco Hutter 组）论文《Watch Your Step: Anticipated Perception for Humanoid Locomotion》：传统感知运动策略输入整张机器人视角高程图，但真正影响控制决策的只有下一步落脚点周边地形。
方法：
- 用一个轻量落脚点预测模型（FPM），仅凭本体感知和速度指令预测未来落脚点（两步之后）
- 只在预测落脚点周围采样高程图的小块区域输入策略，去除冗余输入
- 预测模型与运动策略同步训练，随步态成熟定期在新策略 rollout 上重训
效果：策略达到同等地形难度的训练迭代量约为全图输入的三分之一；在落脚点稀疏的地形（含狭窄走廊）和未见地形上优于全图策略；性能匹敌成本高出数倍的 attention 编码器方案；零样本迁移到 Unitree G1 人形机器人，可 traversing 各种障碍、楼梯、缝隙与下台阶。论文与代码均已公开。
「具身」频道最新
- Foundry Robotics 获 1 亿美元 A 轮融资,在加州建 13 万平方英尺工厂 — ishabytes · 2026-10-29
- 索尼发布 6 英寸裸眼空间再现屏 ELF-MN1,桌上的 VRChat 角色成为现实 — TinfoilTricorn · 2026-10-29
- NVIDIA 发布 Metatron:用目标接口让编码智能体驱动人形机器人全身运动 — carlosdponx · 2026-10-29
- StackChan 机器人接入 Grok 与 Hermes Agent,灯效随情绪律动 — alexcovo_eth · 2026-10-29
- 普渡无人机无 GPS 穿林追踪跑者，MIT 教授发问：该不该造这项技术 — mmitchell_ai · 2026-10-29
- Insta360 X6 一键生成 Gaussian Splat 场景，告别 COLMAP 痛苦流程 — Aiden_Tech_Ai · 2026-10-28