人形跑酷学习

Humanoid Parkour Learning进阶

让人形机器人靠头部深度相机自主跳台、跨沟、跨栏的端到端跑酷策略

上海期智研究院、上海科技大学与清华大学的 Ziwen Zhuang、Shenzhe Yao、Hang Zhao（赵行）2024 年 6 月发布，发表于 CoRL 2024，是同组四足工作 Robot Parkour Learning 的人形版。它不需要任何人体动作参考，用强化学习训练基于视觉的端到端全身控制策略：先在带分形噪声的地形上训练平地行走（噪声会自然促使机器人抬脚），再训练能直接读取地形真值的「特权」跑酷策略覆盖 10 类障碍，最后用 DAgger 蒸馏成只看头部深度相机图像的学生策略。部署在宇树 H1 上，可跳上 0.42 m 高台、跨越 0.8 m 宽沟、在野外以 1.8 m/s 奔跑，并能在只给转向指令时自主选择跑酷动作。