| type | method | |||||||
|---|---|---|---|---|---|---|---|---|
| title | Chasing Autonomy Pipeline | |||||||
| tags |
|
|||||||
| summary | 一种结合硬约束动态重定向与控制引导强化学习的流水线，利用单一人类演示实现高性能的人形机器人跑步与避障。 | |||||||
| updated | 2026-10-01 |
Chasing Autonomy Pipeline 是由加州理工学院和 Unitree 团队（Olkin et al., 2026）提出的一套使人形机器人能够高性能奔跑的系统框架。它有效衔接了人体动作重定向（Motion Retargeting）与强化学习（RL），利用单一的人类演示动作生成高质量的参考库，并在真实世界上实现了快速、具有环境避障能力的跑步。同组后续工作 Generate, Track, Improve（arXiv:2609.31577）把 动态优化 clip 库 + CLF-RL 跟踪 扩展到 双深度 flow matching 生成器 与 AWR 生成器微调，覆盖走跑跳箱与户外楼梯等多技能感知 locomotion。
| 缩写 | 英文全称 | 简要说明 |
|---|---|---|
| Sim2Real | Simulation to Real | 把仿真中学到的策略迁移落地真机的工程主线 |
| Retargeting | Motion Retargeting | 将人体/动物动作映射到目标机器人骨架 |
| RL | Reinforcement Learning | 通过与环境交互最大化长期回报来学习策略的范式 |
| Reward | Reward Function | 塑造强化学习策略行为的标量反馈 |
| LiDAR | Light Detection and Ranging | 激光雷达，地形感知与建图主传感器 |
| G1 | Unitree G1 Humanoid | 宇树入门级教育科研人形平台 |
| Locomotion | Robot Locomotion | 足式/人形等无轮移动能力的总称 |
该框架的核心洞见是：通过带有硬约束的动态优化处理人体动作数据，比直接进行运动学重定向能提供更好的 RL 训练参考（Reference Library）；在强化学习阶段，目标条件（Goal-conditioned）和控制引导（Control-guided）的奖励结构对于在真实环境中实现稳定的高动态运动（如跑步）至关重要。
该系统包含三个核心阶段：
单一人类运动演示 (Single Human Demonstration)
↓
阶段1：带硬约束的动态优化重定向 (Dynamic Retargeting with Hard Constraints)
- 生成考虑机器人动力学和物理约束的改进周期性参考库
↓
阶段2：控制引导的强化学习 (Control Guided RL)
- 目标条件与控制引导奖励
- 追踪动态优化的参考数据
↓
阶段3：全感知与规划的自主栈集成 (Full Perception and Planning Autonomy Stack)
- 室外环境避障
- 真机部署 (Unitree G1)
传统的人体动作重定向往往只考虑运动学映射，导致生成的动作对机器人而言可能不符合物理规律或动力学约束。该方法使用带有硬约束的优化例程，不仅完成运动学映射，还确保生成的周期性参考库符合机器人的硬件限制和动力学可行性。
研究表明，不仅参考动作的质量重要，奖励函数的结构也直接影响速度追踪的效果。通过在 RL 训练中引入目标条件和控制层面的引导，策略不仅能更好地模仿参考动作，还能更稳健地响应上层速度指令。
该控制策略不仅用于回放单一动作，还能无缝接入上层的感知与规划栈中。在硬件部署中，机器人能够根据 LiDAR 或视觉感知生成的实时目标，动态调整运行速度和方向，实现室外环境中的自主避障奔跑。
- 高速度：在 Unitree G1 硬件上实现了高达 3.3 m/s 的奔跑速度。
- 高耐力与鲁棒性：成功在现实室外环境中穿越数百米。
- 完全自主的避障奔跑：在全感知与规划栈的支持下，机器人能够实时避障并保持高速移动。