- 论文公开站arXiv
生成、跟踪、改进：基于RL微调运动生成器的感知型多技能人形机器人运动
Generate, Track, Improve: Perceptive Multi-Skill Humanoid Locomotion with RL-Fine-Tuned Motion Generators
摘要显示，该工作提出双层运动架构：感知式流匹配运动生成器从原始深度图规划全身轨迹，控制引导强化学习训练的感知跟踪策略执行动作。核心贡献是一种离策略强化学习微调循环，通过结构化搜索采集数据并进行优势加权回归，提升生成器在未见地形与技能组合上的一致性。摘要称地形通过成功率最高提升25个百分点，技能选择提升80个百分点；使用原始深度图无需里程计或高度图，单对策略即可驱动Unitree G1完成走、跑、站立与跳跃等动作。
意义：为开发者提供一种样本高效的离策略微调范式，使多技能人形机器人仅凭深度图即可适应复杂地形，降低感知与部署门槛。
- 资讯公开站Nature News
设计可单次充电完成马拉松的四足机器人
A quadruped robot designed to complete a marathon on a single battery charge
摘要显示，一款四足机器人被设计为在单次电池充电下完成马拉松距离。该研究聚焦于机器人运动能效与续航能力，具体技术细节和测试结果未在摘要中披露。
意义：展示四足机器人能效与续航的突破潜力，为长距离自主移动机器人提供设计参考。
- 论文公开站arXiv
占空比预测四足机器人跨步态鲁棒约束运动
Duty Factor Predicts Robust Constrained Quadrupedal Locomotion Across Gait Types
摘要显示，该研究用全身轨迹优化加LQR反馈、学习型运动控制器与质心模型预测控制三种方法，比较步态参数与运动鲁棒性的关系，发现占空比（duty factor）比名义步态类型（如行走、小跑）更能预测局部误差收敛，并可作为低维参数在狭窄地形中调节鲁棒性，最后在实体四足机器人上验证了该趋势。
意义：为四足机器人运动控制提供更简洁的鲁棒性调节维度，提示开发者用占空比替代步态分类来设计跨架构控制器。