轨迹优化+TVAE+RL：四足机器人野外越障新范式

四足机器人最难的不是“跑起来”，而是“跑着跑着还知道该怎么换姿势”。这篇工作把轨迹优化、动作预训练、强化学习和感知蒸馏串成一条链，真机直接冲到6米/秒，属于能看懂、也能落地的那类机器人论文。

龙哥读论文发布于 2026-09-05 00:31:13 阅读 4 查看原文

#机器人 #强化学习

原论文信息如下：

论文标题:
Agile perceptive multi-skill locomotion for quadrupedal robots in the wild 发表日期:
2026年07月发表单位:
Korea Advanced Institute of Science and Technology; Korea University; Agency for Defense Development; DIDEN Robotics 原文链接:
https://arxiv.org/pdf/2607.13579v1.pdf 项目链接:
https://zenodo.org/records/20645964

四足机器人也能“飞檐走壁”？

四足机器人真正难的，不是“能不能跑”，而是“跑到一半，看到前面是台阶、木桩、碎石、落枝，还能不能立刻换招”。很多系统看起来很猛，一上野外就露馅：平地上像猎豹，障碍前像刚学走路。

这篇论文要解决的，就是这个现实得不能再现实的问题：让四足机器人只靠车载传感器，在复杂地形里自动选步态、自动换动作、还要跑得快。论文给出的结果也很直接——真机在高台阶和下楼场景里能冲到瞬时 6 米/秒，这不是“慢慢挪过去”，而是带着一点野性在冲刺了。

图1：复杂地形中的自适应感知步态与技能选择。机器人不仅会跑，还会根据地形和速度自动切换 trot 和 bound，在室内障碍、城市台阶和野外地形里做出不同动作。

这类工作之所以值得看，不只是因为“快”，而是因为它把四足机器人最难的三件事串起来了：多技能、平滑切换、仅靠机载感知部署。这三件事单拎出来都不算新鲜，难的是放到同一个系统里还不能互相拖后腿。论文的思路很像先把“动作库”练扎实，再让策略学会挑动作，最后再把视觉和激光雷达压缩成能上车的感知输入，层层递进，没靠玄学。

APT-RL：用“动作预训练”打通四足机器人的“任督二脉”

APT-RL 是 Action Pretrained Transformer-based Reinforcement Learning 的缩写，中文可以理解为“动作预训练的 Transformer 强化学习框架”。名字很长，但核心意思很朴素：先把机器人会做的基础动作练成一套可复用的“肌肉记忆”，再让强化学习在这个基础上学会看地形、选动作、换动作。

这套方法的关键不是“端到端一把梭”。论文反而故意拆成三段：先用轨迹优化生成高质量动作数据，再用 TVAE 学一个统一的潜空间和动作解码器，最后再用强化学习把这个解码器变成能适应复杂环境的策略。TVAE 是 Transformer-based Variational Autoencoder，中文就是“基于 Transformer 的变分自编码器”。它在这里不是为了炫技，而是为了把不同步态、不同速度、不同动作形态压进同一个可操作的空间里。

图2：APT-RL 的训练流程与多阶段学习框架。左边是数据生成、表示学习、强化学习三段式流程；右边展示了 TVAE 学潜空间、策略复用解码器、感知蒸馏到机载输入的完整链路。

最有意思的地方在于，论文没有把“动作先验”当成一个装饰品，而是把它变成后续学习的地基。很多机器人方法喜欢把先验说得很玄，最后却只是训练时加一点辅助损失。这里不一样：先验直接来自轨迹优化生成的动作和力矩，后续策略不是从零学，而是在一个已经长出骨架的动作空间里继续长肌肉。说白了，这不是“空手练武”，而是“先把招式谱写好，再让机器人学会临场发挥”。

数据先行：2D轨迹优化如何“以小博大”？

论文的数据源头不是昂贵的真实采集，而是 trajectory optimization，中文叫“轨迹优化”。这里的思路挺聪明：先在简化动力学下生成大量物理可行的运动轨迹，再把这些轨迹当成训练素材。这样做的好处很直接——数据量大、生成快、动作质量还不差。

这里用到的简化模型是 SRBD，即 Single Rigid Body Dynamics，中文是“单刚体动力学模型”。它把复杂的四足机器人简化成一个整体刚体来抓主要动力学特征，牺牲了一部分细节，但换来的是可计算、可批量生成、可快速迭代。对机器人学习来说，这种取舍非常现实：不是每个问题都值得把仿真精度堆到天上，能不能先把“动作先验”做出来，往往更重要。

图4：不同步态在多种地形上的效果比较。论文比较了 trot、bound、pace、gallop、pronk 五种预训练步态，结果显示 trot 和 bound 最适合作为通用动作原语。

论文还专门做了一个很务实的验证：不是拍脑袋选 trot 和 bound，而是把五种步态都拉出来比了一圈。评估指标包括成功率、速度跟踪奖励和 1/COT。COT 是 Cost of Transport，中文“单位运输成本”，可以粗略理解为“走一段路要花多少能量”；1/COT 越高，说明效率越好。最后的结论也不意外：trot 偏稳，bound 偏猛，两者组合起来，才更像真正在野外跑的四足动物。

这一步的本质，是用低成本的 2D 轨迹优化换来高质量的动作分布。论文甚至给出了很夸张但真实的效率：180,000 条轨迹、总时长 15.5 小时的数据，只用 8 分钟就生成出来。这类数字很说明问题——真正贵的往往不是“算一条轨迹”，而是“把足够多的轨迹一次性做出来”。

训练三阶段：从模仿到超越，再到“眼观六路”

整套 APT-RL 不是一个单一模型，而是三段式训练管线。第一段学表示，第二段学策略，第三段把“看见的世界”压缩成能上车的感知输入。这个设计的妙处在于：每一步都在做自己最擅长的事情，避免让一个策略同时背“动作生成、技能选择、视觉理解、落地控制”四口大锅。

图：潜空间表示与动作解码的核心关系。论文通过 TVAE 学到一个共享潜空间，编码器把轨迹压成潜变量，解码器再把潜变量还原成力矩命令。这里的关键不是“压缩”，而是让潜空间里保留步态、速度和动作切换的结构。

第一阶段是表示学习。TVAE 先在轨迹优化数据上学习一个共享潜空间，再学习一个从潜变量到关节力矩的解码器。这样做的好处是，后续策略不需要从零学“怎么打力矩”，而是可以直接复用一个已经学会动作规律的解码器。换句话说，策略学的是“什么时候用哪种动作”，而不是“每个关节此刻该出多大力”。

第二阶段是强化学习。这里比较巧的设计是引入了 latent action 和 auxiliary action，也就是“潜动作”和“辅助动作”。潜动作走的是预训练解码器那条路，负责提供结构化的动作先验；辅助动作则通过低层控制器补足偏差，处理 2D 数据没覆盖到的 3D 复杂情况。这个结构比传统残差策略更进一步，因为它不是先有一个固定主干、再往上打补丁，而是让两条动作来源一起训练、一起协作。

第三阶段是感知蒸馏。训练时，教师网络可以吃到更“干净”的 privileged height map；部署时，学生网络只看深度相机和二维激光雷达。为了让学生尽量学到教师的判断方式，论文用 CNN-GRU 编码器做蒸馏，把高维感知压成适合机载部署的表示。这里的 GRU 是 Gated Recurrent Unit，中文“门控循环单元”，适合处理时序感知信号。说白了，机器人不是只看一帧图就能决定要不要跳，它还得记住前几帧发生了什么。

图5：潜动作嵌入与辅助力矩分析。左边看 latent action 在预训练、强化学习和真机部署中的分布变化，右边看跳跃、断腿、原地转向等场景下，解码器力矩和辅助力矩如何分工。

这部分实验很能说明问题。论文把潜动作做了 PCA 和 t-SNE 可视化，能看到策略在训练早期主要待在预训练分布附近，后来逐渐扩展到更广的区域；到了真机部署时，熟悉动作仍然落在原有簇附近，而新地形会把潜动作推向更远的位置。这个现象说明，预训练动作不是死板模板，而是给策略提供了一个“可扩展的动作坐标系”。

更有说服力的是辅助动作的作用。论文在日志跳跃、腿部异常、原地转向等场景里拆解了力矩来源：当场景超出预训练覆盖范围时，辅助力矩会明显抬头，补上解码器没法单独完成的动作。这个结果很重要，因为它证明系统不是“只会复读预训练动作”，而是真的学会了在先验基础上做修正。🙂

实战演练：六米每秒的狂野飞跃与灵活步态

如果前面讲的是“会学”，那这一部分就是“会跑”。论文把系统放到城市校园、野外森林和室内障碍场景里实测，验证的不是单次花活，而是长距离、连续、真实地形下的稳态表现。这个标准很残酷，但也最接近产品化。

图3：城市、野外与室内场景中的自适应多技能运动。轨迹颜色表示目标速度，蓝色和红色分别对应 trot 与 bound，机器人会根据地形和速度自动切换步态。

在城市场景里，机器人跑了 1.1 公里，要面对楼梯、草地、坡道等结构化地形；在野外场景里，又跑了 0.34 公里，面对树根、倒木、碎石、落叶和湿滑地面。机器人不是一路一种步态硬扛，而是会在 trot 和 bound 之间切换：低速下更偏 trot，速度拉高或台阶更高时，bound 更容易上场。

论文最“炸”的演示，是高台阶和下楼场景。机器人在 60 厘米高台阶上完成跳跃并越障，瞬时峰值速度达到 4.25 米/秒；在三层台阶下落时，落地前瞬时峰值速度甚至达到 6 米/秒。论文还给出了对应的 Froude 数，分别是 3.85 和 7.69，说明这已经不是“机器人慢慢挪”，而是相当激进的动态运动了。

图6：自动步态选择与固定步态策略的性能比较。自动策略在成功率、速度跟踪和能量效率上整体优于只固定 trot 或只固定 bound 的策略，说明“会切换”本身就是能力的一部分。

论文还做了一个很实在的对照：自动选步态的策略，与只会 trot 或只会 bound 的固定步态策略相比，哪个更好？结果很清楚，自动策略在多地形、多速度组合下更稳，也更少“顾此失彼”。这说明问题不只是“某个步态强”，而是“什么时候用哪个步态”同样决定成败。机器人在复杂地形里最怕的，不是不会跑，而是只会一种跑法然后硬刚所有场景，最后只能被地形教育。

图7：与不同训练策略和基线的比较。这里能看到 APT-RL 相比 AMP、Vanilla RL、带残差的 HRL 等方法，在训练曲线、样本消耗和随机步态切换鲁棒性上更有优势。

从训练效率看，这套方法也不是只会“卷结果”，还讲究“少走弯路”。论文和 AMP、Vanilla RL、残差 HRL 做了对比，APT-RL 的训练曲线更稳、样本消耗更低，动态步态切换实验里也更容易成功。说得直白一点：它不是靠把训练时间拉到天荒地老来换结果，而是靠先验把无效探索砍掉了。

图8：深度相机与二维激光雷达的传感器消融实验。两种传感器一起用时效果最好，单独使用时鲁棒性会下降，说明感知融合对高速越障非常关键。

感知消融也很关键。论文证明，深度相机和二维激光雷达是互补的：只用一个传感器，成功率会掉；两者结合，机器人在不同地形上的稳定性更好。这个结果不花哨，但很重要，因为它提醒了一个现实：高速四足不是“看得见就行”，而是“看得准、看得稳、看得快”才行。

总结与展望：从“跑酷高手”迈向“全能战士”

这篇论文最值得肯定的地方，不是单点性能，而是系统思路：用轨迹优化造动作先验，用 TVAE 把动作组织成可复用空间，用强化学习做场景适配，再用感知蒸馏把整套东西压到真机上。它没有把“高速度”和“高鲁棒”硬掰成二选一，而是尽量让两者同时成立。

当然，边界也很清楚。首先，这套方法依赖高质量的轨迹优化数据和比较完整的仿真到现实链路；其次，当前主要围绕 trot 和 bound 两类基础步态展开，虽然已经足够实用，但离“任意动作都能即插即用”还有距离；最后，高速动态越障对传感器稳定性、控制频率和机械结构要求都很高，换平台时未必能原样照搬。

不过，这类工作对行业的意义很明确：四足机器人如果想真正走进搜救、巡检、野外勘探等场景，就不能只会“稳”，还得会“快”，而且要会“换招”。APT-RL 证明了一件事——动作先验不是老派思路，反而可能是高速复杂地形里最务实的解法之一。真正难的不是把机器人训练得像个体操运动员，而是让它在不熟悉的地形上还能保持脑子清醒、脚下不乱。

龙迷三问

下面是龙哥对于大家可能的一些问题的解答：

这篇论文到底解决了什么问题？它解决的是四足机器人在复杂野外和城市地形中，如何在只用机载传感器的情况下，自动选择步态、平滑切换技能并保持高速通过的问题。核心不是“跑得快”本身，而是“跑得快还不乱”。

APT-RL、TVAE、SRBD 分别是什么意思？APT-RL 是动作预训练的强化学习框架；TVAE 是基于 Transformer 的变分自编码器，用来学共享潜空间和动作解码器；SRBD 是单刚体动力学模型，用简化动力学生成大量可行轨迹，换取更低的数据生成成本。

为什么要先做 2D 轨迹优化，再去学 3D 真机控制？因为 2D 轨迹优化更便宜、更快，能批量产出带力矩标签的高质量动作数据；这些数据先把“动作骨架”搭起来，再让策略在 3D 环境里通过辅助动作和感知输入做修正，会比从零开始学更省样本，也更容易学出能落地的行为。

如果还有哪些想了解的，欢迎继续留言讨论~

龙哥点评

论文创新性分数：★★★★☆

把轨迹优化、动作预训练、辅助动作和感知蒸馏串成一套闭环，思路不算“凭空发明”，但组合得很顺，且真机验证非常硬。

实验合理度：★★★★☆

对比了多步态、多基线、多场景，还做了感知和结构消融，实验链条比较完整；少数指标细节仍依赖仿真设定，但整体足够可信。

学术研究价值：★★★★☆

对多技能腿式运动、动作先验复用和感知驱动控制都有启发，尤其适合继续往复杂地形和多动作组合方向扩展。

稳定性：★★★☆☆

真机效果很强，但对传感器、平台动态特性和训练管线依赖较高，离“随便换台机器人就能跑”还有距离。

适应性以及泛化能力：★★★★☆

在城市、野外、室内都能工作，说明泛化不错；但当前主要围绕特定步态和平台展开，跨平台泛化还得继续看。

硬件需求及成本：★★★☆☆

部署依赖深度相机、二维激光雷达和较强的机载计算，成本不算低，但比起依赖外部动捕系统已经实用很多。

复现难度：★★★☆☆

论文给了项目链接和较完整的实验描述，但轨迹优化、控制、感知和真机调参链路都不算轻松，复现门槛仍然偏高。

产品化成熟度：★★★☆☆

已经具备野外实验级别的成熟度，但要进产品，还需要进一步验证长期稳定性、不同平台迁移性和传感器抗扰能力。

可能的问题：先验依赖较强，动作库和平台耦合度不低；复杂环境下的长期稳定性还需要更多连续测试，离通用四足还差最后一段硬骨头。

主要参考文献

[1] Kang J-G, Park J, Song T-G, Kim J-H, Hong S, Park H-W. Agile perceptive multi-skill locomotion for quadrupedal robots in the wild. Science Robotics, 2026.

[2] 论文原文：https://arxiv.org/pdf/2607.13579v1.pdf

[3] 项目页面：https://zenodo.org/records/20645964

欢迎加入龙哥读论文粉丝群，扫描下方二维码或者添加龙哥助手微信号加群：kangjinlonghelper。一定要备注：研究方向+地点+学校/公司+昵称（如图像处理+上海+清华+龙哥），根据格式备注，可更快被通过且邀请进群。四足机器人、自动驾驶、具身智能、图像与大模型都能聊，别只围观，来一起拆方法。
wechat_helper