苏黎世联邦理工让人形机器人学会爬梯、翻越和摔倒后起身：一个策略搞定，靠“规划身体接触点”
· 来源：Humanoids Daily
ETH苏黎世机器人系统实验室提出基于注意力的接触规划方法ACP，让宇树G1用单一策略完成攀爬、跨越稀疏落脚点和跌倒恢复。
苏黎世联邦理工学院（ETH Zürich）机器人系统实验室与合作者展示了一项新成果：一台宇树G1人形机器人只用一个学习得到的运动策略，就能爬梯子、翻越障碍并在摔倒后自己站起来。这项名为“基于注意力的接触规划”（ACP）的方法，于10月22日提交到arXiv，目前处于审稿阶段，合作方包括苹果、ETH AI中心和英伟达。
ACP的思路是先决定机器人身体“应该在哪里接触环境”，再让控制器去解决接触点之间的动作。部署时，规划器根据激光雷达生成的高度图、机器人自身状态和目标位置，预测双手、双肘、双膝、双脚和骨盆共九个部位的接触位置，最多向前看1.5秒；第二个网络再把这些接触目标转换成23个关节的动作。两个网络都在机器人本体上以50Hz运行，不需要回放参考动作。
训练只用了13.2分钟的人类动作数据，再结合强化学习。研究者报告，在八条仿真组合赛道上平均成功率达到92.5%，而对比基线方法只有58.8%。需要注意的是，这是仿真结果，并不是真实世界的成功率。
让人形机器人在复杂地形中灵活使用全身而不只是双脚，是走出平地演示、进入真实场景的关键一步。ACP用很少的人类数据就学会多种技能，为通用人形运动控制提供了一条更省数据的路线。