💻 computer science

SOLO: Stable Omni-terrain Long-Horizon Perceptive Humanoid Locomotion

SOLO 是一个用于稳定、长时程类人机器人运动的统一框架，它结合了用于保留清晰地形边界的傅里叶编码查询重建器（Fourier-encoded Query Reconstructor）和用于改进时间信度分配的轨迹感知 MSE 蒸馏方法（Trajectory-Aware MSE distillation method），从而实现了在复杂户外及室内地形中的鲁棒零样本穿越。

原作者： Pihai Sun, Gang Han, Jingkai Sun, Jiahao Ma, Zeran Su, Zelin Tao, Peiran Liu, Shuai Shi, Wei Cui, Zifan Wang, Jialin Yu, Wen Zhao, Kangning Yin, Jiaxu Wang, Jiahang Cao, Lingfeng Zhang, Hao Cheng, Jia

发布于 2026-08-28

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Pihai Sun, Gang Han, Jingkai Sun, Jiahao Ma, Zeran Su, Zelin Tao, Peiran Liu, Shuai Shi, Wei Cui, Zifan Wang, Jialin Yu, Wen Zhao, Kangning Yin, Jiaxu Wang, Jiahang Cao, Lingfeng Zhang, Hao Cheng, Jian Tang, Yijie Guo, Qiang Zhang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

走在森林中，一个人并不需要计算每一条树根的确切高度或每一块石头精确的角度。相反，他们依赖一个无缝的循环：眼睛看到地面，大脑解读形状，腿部调整步伐，这一切都在极短的时间内完成。这种持续的反馈使人类能够在崎岖不平的地形上长距离行走而不跌倒，即使地面从草地变为碎石，再变为陡峭的阶梯。几十年来，工程师们一直试图赋予机器人这种能力。他们制造出了可以行走的机器，但当被要求在复杂且不断变化的路径上长时间行走时，这些机器人经常会绊倒。问题不在于它们不能移动双腿，而在于它们对世界的理解随着时间的推移变得模糊。随着行走过程的进行，关于如何观察地面以及如何决定移动的小误差不断累积，最终导致它们失去平衡。

一组研究人员开发了一种名为 SOLO 的新系统，该系统能让类人机器人能够在连续且困难的路径上行走很长时间而不跌倒。该系统在名为 Omni 的机器人身上进行了测试，该机器人配备了一个安装在胸部的单摄像头以及感知自身身体位置的传感器。在一次现实世界测试中，机器人在户外行走了 1.5 公里，在一次连续行程中无需任何人工帮助或重置，便穿越了自然阶梯、斜坡、草地和不平整的地面。它还成功通过了一个包含间隙和障碍物的复杂室内课程。研究人员发现，以往的方法之所以失败，是因为它们平滑掉了地面重要的细节，并且只检查机器人的当前步态是否正确，而忽略了这一步是否会导致稍后的跌倒。SOLO 通过创建一个更清晰的地面图像，并教会机器人预判当前的动作将如何影响未来的稳定性，解决了这两个问题。

问题的核心在于机器人如何构建地面的心理地图。传统系统接收来自摄像头的图像流，并尝试将其转化为地形的平面图。为了快速完成这一过程，它们通常将所有的视觉信息压缩成一个共享的摘要。虽然这对于宏观形状有效，但会模糊掉最重要的锐利边缘，例如踏脚石的确切边界或阶梯的边缘。当机器人无法清晰看到这些锐利线条时，它会将脚踩在错误的位置，而在长距离行走过程中，这些微小的错误会累积成一次跌倒。研究人员通过改变机器人索取信息的方式解决了这个问题。系统不再要求提供整个场景的单一摘要，而是为地面地图上的每一个点分配一个特定的问题。每个点都会询问摄像头的历史记录：“这里具体是什么情况？”这使得机器人能够检索出针对该特定位置的确切细节，从而保留了其他系统往往会模糊处理的阶梯和石头的锐利边缘。

研究人员解决的第二个问题是机器人如何学习行走。在许多训练方法中，机器人通过模仿一个完美“老师”在机器人站立时的精确动作来进行学习。如果机器人的脚在当前时刻处于正确的位置，它就会获得奖励，即使同样的动作会在几步之后导致绊倒。这就像一名学生因为答对了一道单项测试题而获得好成绩，却因为没有理解题目之间的联系而考试不及格。新的 SOLO 系统为这个学习过程增加了一层远见。它不仅检查机器人现在做得是否正确，还会检查采取该动作后会发生什么。如果某个特定动作导致机器人进入了一个难以匹配“老师”完美动作的未来状态，系统就会惩罚该动作。这教会了机器人去避免那些在当下看起来不错、但会导致未来陷入困境的动作，有效地赋予了它一种长期的后果意识。

为了证明这些改进确实有效，研究人员在将机器人带到户外之前，先在模拟环境中进行了一系列严格的测试。他们将新系统与使用相同训练数据和相同机器人的旧方法进行了对比。当地形变得困难（如狭窄的踏脚石或陡峭的阶梯）时，旧系统大多以失败告终，在最难的障碍物面前成功率几乎降至零。相比之下，新系统在踏脚石测试中的成功率为 96%，在整体困难地形测试中的成功率为 97.5%。研究人员测量了地面地图的准确性，发现新方法比旧方法减少了三倍以上的误差。这意味着机器人可以更加精准地放置双脚，避免了通常会导致跌倒的小滑步。

最后的测试在现实世界中进行，机器人必须完全依靠自身的传感器，没有任何外部追踪或人工引导。机器人连续在户外行走了一段 1.5 公里的路线，应对了草地、泥土和石头之间的自然过渡。它还挑战了一个包含上下楼梯、跨越间隙以及跨越可移动障碍物的室内课程。在每种情况下，机器人都完成了全程，没有跌倒或需要停止并重置。研究人员指出，机器人仅使用了其胸部安装的摄像头和内部身体传感器的数据，证明了该系统可以在不需要超级计算机或完美地图的情况下，处理现实世界的复杂性。这次长距离行走的成功表明，通过优化机器人观察地面和规划步伐的方式，可以创造出能够以媲美人类行走稳定性的机器进行移动的设备。

这项工作并不声称机器人现在可以无限制地在任何地方行走。该系统仍需要人类提供大致的方向和速度，而机器人则负责处理平衡和落脚的细节。机器人还有一个后方盲区，这意味着它在不平整地形上向后行走不如向前行走那样容易。然而，结果表明，通过结合一种更清晰的地面观察方式和一种更聪明的错误学习方式，研究人员已经展示了机器人可以穿越长距离、复杂的路线而不失去平衡。这一进展使该领域更接近于实现这样一个目标：让机器人在现实世界混乱且不可预测的环境中，能够与人类一起工作和移动。

技术摘要：SOLO —— 稳定的全地形长时程感知类人机器人运动控制

问题陈述

尽管人类可以在复杂且不平整的地形上进行长距离行走而不失去平衡，但感知类人机器人策略在实际部署中的长时间运行往往表现出脆弱性。这种“长时程脆弱性”源于感知与控制误差随时间累积，导致即使能成功通过孤立障碍物也无法防止跌倒。作者确定了连续滚动过程中失败的两个主要原因：

有损稠密重建： 标准地形重建器（如 START、DPL）通过共享的 CNN-RNN 编码器压缩深度历史信息，以解码局部高度图。这种共享瓶颈充当了低通滤波器，平滑掉了高频且对动作至关重要的细节，例如踏脚石边界和楼梯边缘。由此导致的每单元保真度损失增加了落脚点误差，从而在长时程任务中使机器人变得不稳定。
近视的点对点模仿： 当前的控制器蒸馏方法通常使用动作均方误差（MSE）来使学生策略在当前访问的状态下匹配特权教师。该目标未能区分具有相似即时误差但具有不同未来后果的动作。由于缺乏轨迹级信用分配，看似合理的动作可能会导致未来的状态，而在这些状态下，匹配教师变得不再可能，从而导致误差累积。

方法论

SOLO 通过结合一种新型感知模块和一种轨迹感知策略蒸馏策略，提出了一个统一的框架来解决这些问题。系统分为三个训练阶段：

第一阶段： 使用受 AMP 正则化的 PPO 训练一个受特权地形调控的教师模型。
第二阶段： 使用特权地形输入和提出的 轨迹感知 MSE (TA-MSE) 目标对学生策略进行蒸馏。
第三阶段： 用来自 查询重建器 (Query Reconstructor, QR) 的估计值替换特权地形输入，对学生模型进行联合微调，并根据学生的在策略缓冲区更新 QR。

1. 查询重建器 (QR)

QR 旨在通过避免共享的稠密瓶颈来保留清晰的地形边界。

机制： QR 不再从单一的共享嵌入中解码高度图，而是为高度图的每个单元分配一个唯一的 傅里叶编码查询 (Fourier-encoded query)。
过程： 这些单元查询通过交叉注意力机制与共享的“传感器标记记忆”（通过 Transformer 编码器从深度图像和本体感受构建）进行交互。每个查询仅检索与其特定地图单元相关的空间特定证据。
结果： 这种架构保留了单元身份和剧烈的地形高度变化（例如阶梯边缘），而这些变化在稠密解码器中往往会被平均化，从而提供来自车载深度信息和本体感受的高保真地形状态估计 ( $\hat{m}_t, \hat{v}_t$ )。

2. 轨迹感知 MSE (TA-MSE) 蒸馏

TA-MSE 修改了标准的教师-学生蒸馏，以考虑当前动作的未来后果。

当前状态匹配： 保留标准的辅助损失，使学生的动作在当前状态下与教师的动作相匹配 ( $\mu_\theta(h^S_t) \approx \mu^T(o^T_t)$ )。
下一状态差异： 在学生执行动作并转移到 $s_{t+1}$ 后，系统评估学生与教师在该下一状态下的差异。该差异 ( $\bar{\ell}_{t+1}$ ) 被存储并从 PPO 奖励中减去 ( $r^{TA}_t = r^{task}_t - \beta \bar{\ell}_{t+1}$ )。
信用分配： 通过广义优势估计 (GAE)，这些未来的差异惩罚会向后传播，影响先前动作的价值和策略更新。这鼓励学生避免那些会导致未来无法匹配教师的动作，且无需额外的评论家（critic）或教师滚动过程。

核心贡献

本文提出了涵盖感知、策略学习和部署的三项主要贡献：

单元查询地形重建： 引入了 QR，它通过从部分深度历史中检索特定单元的证据，可靠地保留了对动作至关重要的地形边界。
轨迹感知策略蒸馏： 提出了 TA-MSE，它将下一状态的教师-学生差异集成到 PPO 奖励中。这实现了轨迹感知的信用分配，且无需额外的评论家或教师滚动，同时保持了当前状态的监督。
长时程评估与部署： 通过重建分析、高难度模拟压力测试以及仅使用车载传感器的连续室内外路径零样本硬件部署，对 SOLO 进行了全面的验证。

实验结果

仿真性能

重建精度： 在压力测试地形中，与 START 和 DPL 基准相比，QR 将平均高度图 L1 误差降低了 3.3–4.0 倍。这种改进在踏脚石和楼梯上最为显著，因为这些地方的局部高度不连续性至关重要。QR 还展示了对地形范围变化的卓越鲁棒性（例如，在 8 米数据训练的模型上评估 10 米场景）。
课程进度： TA-MSE 比 PPO 和 MSE+PPO 达到了更高的课程难度等级。当基准模型在 5.0–5.1 左右进入平台期时，TA-MSE 继续提升，达到了 5.5 的上限。
压力测试成功率： 在固定使用 TA-MSE 的情况下，用 QR 替换标准重建器，使高难度地形的平均通过成功率从 75.0–75.6% 提高到 97.5%。在踏脚石地形上，成功率从 0–3% 跳升至 96%。QR 还显著减少了“足部绊跌 (Foot Stumble)”和“落脚点梯度 (Foothold-Grad)”惩罚。

真人机器人部署

SOLO 在 Omni 类人机器人上进行了零样本部署，仅使用胸部安装的 D455 深度相机和本体感受（无外部追踪或建图）。

室外长时程： 机器人在单次运行中完成了一条包含自然楼梯、斜坡、草地过渡和不平整地面在内的连续 1.5 公里室外路线，期间无需重置。
室内混合地形： 机器人穿越了一个复杂的路线，包括上升/下降楼梯、踏脚石、缝隙和可移动障碍物，全程无需人工干预。
孤立地形可靠性： 在针对 7 种孤立地形（楼梯、斜坡、缝隙、踏脚石）的 70 次试验中，SOLO 实现了 69/70 次成功。唯一的失败发生在踏脚石地形，而其他所有地形均实现了 10/10 的成功率，且无需重置或协助。

重要性与主张

论文声称，通过解决感知与控制误差的复合性质，SOLO 证明了实现稳定的长时程感知运动控制是可行的。通过将动作关键细节的重建与策略蒸馏过程解耦，SOLO 克服了以往系统在长时间部署中表现出的脆弱性。

作者强调，其方法保留了标准的车载传感和控制接口，使其可直接应用于现实世界的硬件。结果表明，轨迹感知信用分配和基于单元的特定地形重建是实现类人机器人从孤立障碍物通过能力向非结构化环境中连续、长距离导航跨越的关键。该系统能够在无需外部状态估计的情况下，零样本泛化到多样且未见的各种地形，这标志着向稳健、自主的类人机器人运行迈出了重要一步。