← 返回 PaperDaily
视觉与图像
四足机器人跑酷破纪录！SWAP用对称性原理，一跃2.13米，登顶1.63米
机器人的左右腿，是不是总被当成两套独立的程序在学？这篇论文的作者们也这么想，于是他们干脆把“对称性”这个物理常识硬塞进了神经网络。结果咋样？一台重达72公斤的机器人，在美国国家航空航天局（NASA）的JPL实验室里也跑不出这么猛的数据——1.63米高台一跃而上，2.13米宽的鸿沟轻松跨过，这波操作，真把四足跑酷玩成了物理定律的炫技。
龙哥读论文
发布于 2026-08-21 00:20:08
阅读 3
查看原文
🐉 龙哥读论文知识星球来了！ 想深入了解SWAP的等变网络细节？星球 无上限更机器人、强化学习、世界模型等前沿领域论文， 每日2分钟刷完即赚，带你直击技术核心！ 👇扫码加入「龙哥读论文」知识星球，和龙哥一起探索机器人的极限世界～
龙哥推荐理由：
原论文信息如下：
想要让机器人像猎豹一样飞跃两米宽的深谷，或者像登山者一样攀上一米六的高台，这几乎是所有机器人学家的梦想。但一直以来，这些酷炫的动作都卡在了一个简单又尴尬的问题上：机器人分不清自己的左右腿。
别笑，这可是真的。目前的先进方法，比如基于世界模型的强化学习，它们处理左右对称的物理交互时，是当做两件完全无关的事来学的。机器人的左前腿蹬地发力，和右前腿蹬地发力，在模型看来是两个独立的“模式”。这不仅浪费了大量计算资源，更重要的是，它让模型很难从有限的数据中，真正理解物理世界里的那个基本事实：左右本来就是一样的。
来自某大学团队的研究者们，决定不再忍受这种“冗余编码”。他们提出的框架叫做SWAP
方法概述 SWAP的核心思想非常清晰，它构建了一个端到端的等变对称世界模型
简单来说，就是让机器人的“大脑”（世界模型）和“手脚”（策略网络）都知道一个规矩：你所看到的左边，和右边，在物理上是互相对应的。你看到的镜像世界，和你做出的动作，也应该是互相对应的。
怎么做到的呢？研究者们用了一种叫“对称等变”
同理，在策略网络中，Actor被设计成等变的——当它看到镜像状态时，它生成的动作也是镜像的。而Critic则被设计成不变的——无论是左边还是右边，只要物理状态对称，它给的价值评估应该是一样的。
核心原理推导 为了将对称性这个先验知识融入网络，论文用了一种非常“硬核”的方式——架构约束。这区别于传统的“软约束”，比如数据增强或者损失函数惩罚。
核心在于定义了一个对称马尔可夫决策过程（SMDP）
这个推导告诉我们，最优策略天然就应该满足对称性。SWAP所做的，就是通过设计对称等变的网络层（SE-GRU, SE-MLP, SE-CNN），从网络拓扑结构上强制满足这个等式。
具体的对称变换规则非常细致，甚至连关节速度、接触力、地形高度等每一个观测分量，都定义了明确的变换表。比如，基线x向速度保持不变，而y向速度取反；关节位置中，左前腿的髋关节角会与右前腿的髋关节角互换。
对称性，机器人学习的隐藏天赋
当人类运动员做后空翻时，左腿和右腿的动作几乎是完美的镜像。但在目前的机器人强化学习框架里，这个常识居然没有被利用——左腿蹬地和右腿蹬地被当作两个完全独立的“技能”来学习。
为了实现这一点，论文首先将机器人决策问题形式化为一个对称马尔可夫决策过程（Symmetric Markov Decision Process, SMDP）
那么，具体的对称关系有多细？论文给出了一个漂亮的表格，定义了每一个物理量的变换规则。比如，身体x方向线速度保持不变，但y方向线速度取反；关节位置中，左前腿的髋关节角要和右前腿的髋关节角互换。
SWAP如何将对称性嵌入世界模型
有了对称性这个“天赋”，SWAP要做的就是把它变成“肌肉记忆”。论文构建了一个端到端的等变对称世界模型
世界模型基于经典的循环状态空间模型（Recurrent State-Space Model, RSSM）
关键创新在于：所有的网络模块——编码器、循环模型、解码器——都被设计成对称等变
编码器方面：深度图像经过对称等变卷积神经网络（SE-CNN） 对称等变多层感知机（SE-MLP）
循环模型方面：采用对称等变门控循环单元（SE-GRU）
训练损失函数包含重建误差和KL散度。由于所有组件都是等变的，损失函数本身在群变换下是不变的——这意味着梯度信号在单向轨迹上计算，可以自然地泛化到对称子空间，大幅提升样本效率。
策略网络部分，Actor被设计成等变 不变
下表总结了每个模块的输入输出变量空间，直观展示了哪些变量参与了等变约束。
创纪录的跑酷表演：2.13米跨越与1.63米攀爬 理论再漂亮，最终还得看实战。SWAP在Apollo四足机器人上进行了仿真和真实世界的极限跑酷测试。结果相当炸裂：2.13米 1.63米
从图4可以看出，在跨越任务中，SWAP和仅移除策略等变的版本（SWAP (w/o Eq-Policy)）都能保持高成功率，说明世界模型的等变约束已经贡献了大部分收益。而在攀爬任务中，SWAP的优势更加明显，因为攀爬需要更严格的对称接触力控制，完全未约束的基线很容易陷入不对称的局部最优。
下面这张表汇总了SWAP与当前最先进四足机器人跑酷系统的绝对性能对比。注意，SWAP的机器人尺寸为70×55 cm，自重72 kg，属于大型机器人。即便如此，它仍跨越了前髋距3倍的距离，攀爬了站立髋高3倍的高度，与小型机器人的最好归一化性能持平，而在绝对尺寸上创造了新纪录。
一键部署：仿真到真实世界的零样本迁移
在仿真中训练的SWAP策略，不需要任何微调，直接部署到真实的Apollo机器人上，在多种野外环境中表现出惊人的鲁棒性。论文系统地测试了四类真实世界挑战：
高动态操作：
感知退化：
视觉-本体感觉错位：
不可预测接触动力学：
结构化的几何先验：为什么对称性如此有效
看完实验结果，我们不禁要问：对称性这个先验到底带来了什么，使得性能提升如此显著？论文通过消融实验和可视化分析给出了答案。
首先，减少了编码冗余。
其次，防止策略陷入不对称的次优陷阱。
最后，提升了长时域预测的可靠性。
简单来说，对称性先验让机器人的“感知-预测-决策”链条变得结构化、高效、且可推广。它不是让机器人学得更慢，而是让它学得更聪明。
龙迷三问 这篇论文解决什么问题？
什么是等变（equivariant）和不变（invariant）？有什么区别？
SWAP与之前的对称性方法（如数据增强、损失函数惩罚）有什么本质区别？
如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~
龙哥点评
论文创新性分数： ★★★★★
在机器人学领域将等变硬约束从感知模型延伸到世界模型和策略网络，端到端对称框架属于原创性贡献。
实验合理度： ★★★★★
在仿真和真实世界进行了充分的消融实验和泛化测试，对比基线设置合理，可视化分析有说服力。
学术研究价值： ★★★★☆
证明了几何结构先验（对称性）在极限运动控制中的有效性，为将更多物理先验引入强化学习提供了范例。减一星因为领域相对小众。
稳定性： ★★★★☆
在真实世界多种极端场景下展示了良好鲁棒性，但只在一款机器人（Apollo）上验证，对其他尺寸机器人的迁移效果未知。
适应性以及泛化能力： ★★★★☆
对镜像地形、感知退化、非刚性障碍等表现出很强泛化性，但当前仅针对结构化地形，在离散落脚点等更复杂场景尚未验证。
硬件需求及成本： ★★★☆☆
训练需要1块RTX 4090训练约10小时，成本可以接受。但部署需要高性能机载计算设备（Apollo机器人本身价格昂贵，重72kg），一般实验室难以复制。
复现难度： ★★★☆☆
论文未明确开源代码，且自定义的等变网络层实现需要一定工程能力，复现有门槛。
产品化成熟度： ★★☆☆☆
虽然零样本迁移效果惊艳，但机器人本体和计算平台成本高昂，且只在特定场地演示了极限动作，离消费级产品还有距离。
可能的问题：
1. 训练环境中包含了0.23m台阶、60度斜坡等障碍，但真实世界测试中缺少对极高难度地形的重复验证。2. 论文没有与其他基于等变策略的方法进行充分对比。3. 机器人72kg的自重意味着落地冲击巨大，长期部署的机械磨损和故障率未讨论。整体而言，这是一篇漂亮且诚实的论文，但距离通用产品级机器人还有很长的路。
主要参考文献
[3] D. Hafner, et al. "Learning latent dynamics for planning from pixels." ICML, 2019. [4] D. Hafner, et al. "Dream to control: Learning behaviors by latent imagination." ICLR, 2020. [6] H. Lai, et al. "WMP: World Model Pre-training for Agile Quadrupedal Locomotion." [12] Y. Luo, et al. "PIE: Parkour with Implicit-Explicit Learning." [20] R. Walters, et al. "Equivariant neural networks and applications." *本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击 "阅读原文"， 查看更多原论文细节哦！
