{jz:field.toptypename/}

该论文由清华大学与北京星河通用机器东谈主股份有限公司融合完成。论文的共同第一作家为星河通用议论团队成员薛晗、梁斯凯和张智楷，其中薛晗和张智楷为清华大学学生，带领敦厚为清华大学助理训诫弋力。

在堆满杂物的客厅里穿梭——需要弯腰遁入低矮的咖啡桌、抬腿跨过地上的书册、侧身挤过沙发与书架间的窄缝，这对东谈主类来说不费吹灰之力。但对机器东谈主而言，却是和会环境感知、动作研究与碰撞侧目的复杂挑战。

传统强化学习（RL）仅在碰撞发生时赐与措置，机器东谈主需要反复试错才能摸索出安全旅途，学习效果极低；况兼径直处理激光雷达、录像头的原始高维数据，机器东谈主难以快速识别“本人与扼制物的空间联系”，比如“头部是否会撞到吊灯”“腿部能否跨过书册”。现存情势多针对单一类型扼制物（如大地突出、高空守密），无法应酬“大地有杂物+两侧有抵触+头顶有吊灯”的全空间不休场景。

清华大学与Galbot团队提议的HumanoidPF（东谈主时局能场），为机器东谈主赋予了“避障直观”：它将机器东谈主与扼制物的空间联系编码为洞开的梯度场，像无形的“力”引导机器东谈主自主接管安全旅途，无需复杂贪图就能完成弯腰、抬腿、侧身等灵步履作，奏效达成复杂室内场景的无碰撞穿梭。

它的中枢魔力在于：不再让机器东谈主依赖“碰撞后措置”的低效试错，而是通过前瞻性的环境引导，让避障成为一种“本能反映”，大幅种植了东谈主形机器东谈主在真的家居场景的实用性。

•论文标题：Collision-Free Humanoid Traversal in Cluttered Indoor Scenes

•连系论文：https://arxiv.org/abs/2601.16035

•名堂主页：https://axian12138.github.io/CAT/

•GitHub：https://github.com/GalaxyGeneralRobotics/Click-and-Traverse

二、HumanoidPF：给机器东谈主装“避障导航仪”

HumanoidPF的灵感源自经典的东谈主工势能场（APF），但针对东谈主形机器东谈主的多枢纽结构进行了重构——它将指标点视为“眩惑力”，扼制物视为“打消力”，造成洞开的梯度场，为机器东谈主的每个躯壳部位提供明确的指令指引。

1. 构建HumanoidPF：用“力场”编码空间联系

HumanoidPF通过眩惑力场和打消力场的重叠，生周至局导航梯度场，中枢公式如下：

•眩惑力场（引导向指标）：

是机器东谈主躯壳部位x到指标点g的最短无碰撞旅途（测地线距离），确保引导旅途遁入扼制物，而非直线穿越。

•打消力场（隔离扼制物）：

是基于扼制物的带符号距离（signed distance field, sdf）——距离扼制物越近，打消力越强，幸免碰撞。

•最终引导场（合成眩惑力与打消力）：

梯度场的目的，等于机器东谈主躯壳部位的最优指令目的，既隔离扼制物，又朝向指标点。

HumanoidPF潜入图：左图为势能场2D潜入图（红色为扼制物打消区，蓝色为指标眩惑力区）；右图为指令目的漫衍2D潜入图，神气越深潜入该目的越安全，引导机器东谈主自主接管最优旅途。

2. 适配东谈主形机器东谈主：优先级加权，幸免躯壳部位“打架”

东谈主形机器东谈主有头、躯干、作为等多个部位，径直垄断势能场可能出现指令突破（如左手要向左躲、右手要向右躲）。为此，HumanoidPF引入优先级加权机制：

•中枢部位优先：骨盆等中枢部位权重更高，确保举座指令目的领略；作为权重较低，天真适配中枢目的。公式如下：

•危急部位加权：把柄躯壳部位与扼制物的距离(d(x_k))和指令速率(v_k)，动态种植危急部位的权重，公式如下：

距离扼制物越近、指令速率越快，权重越高，优先侧目碰撞风险。

最终的引导场为：

确保全身指令融合一致，无突破。

3. 双管皆下：让避障学习更高效

HumanoidPF通过“感知输入+奖励引导”双重形势，融入强化学习考验，大幅种植学习效果：

•作为感知输入：在机器东谈主13个关键躯壳部位（头、胸、骨盆、作为枢纽等）查询梯度场向量，造成紧凑的环境感知特征，让机器东谈主径直“感知”该若何出动躯壳；

•作为奖励引导：将梯度场引导的指令目的，建模为冯·米塞斯-费舍尔（vMF）漫衍，饱读吹机器东谈主动作与引导目的对皆，提供密集、前瞻性的奖励信号，公式如下：

其中

是引导目的，

是目的聚拢度（中枢部位聚拢度更高），

是机器东谈主骨子指令目的。

这种联想让机器东谈主无需比及碰撞发生，就能得到及时反馈，学习效果大幅种植。

举座技艺 pipeline：左：HumanoidPF构建及在学习中的双重作用（感知输入+奖励引导）；右：夹杂场景生成与真的部署过程，从仿真考验到“点击导航”骨子垄断。

三、拓展考验：夹杂场景生成，让机器东谈主“博物多闻”

要应酬真的宇宙的复杂环境，机器东谈主需要在种种化场景中考验。为此，议论团队提议夹杂场景生成策略，大幅种植战术的泛化才气：

1.真的场景编著：从3DFRONT等真的室内数据集，编著5m×5m的场景块，保留产物、家电等真的扼制物布局；

2.才略化扼制物生成：东谈主工生成“大地突出、两侧抵触、高空吊挂”的全空间不休场景，以至通过旋转、噪声扰动，模拟不步伐扼制物（如洒落的书册、歪斜的盒子）；

3.课程学习：检朴单场景（单一扼制物）迟缓过渡到复杂场景（多扼制物全空间不休），让机器东谈主按次渐进掌捏避障技巧。

这种考验形势，让机器东谈办法过“弯腰躲吊灯+抬腿跨杂物+侧身挤窄缝”的复合场景，在真的环境中遭遇近似情况时，能快速作念出反映。

避障实测场景：（a）8种典型测试场景的避障行动；（b）才略化生成的复杂扼制物场景；（c）真的宇宙“弯腰-跨障”复合任务；（d）动态侵犯下的避障证明，机器东谈主能应酬物体出动的突发情况。

四、实测：天真应酬8类场景

HumanoidPF在Unitree G1东谈主形机器东谈主上完成了全面测试，不管是仿真仍是真的场景，都展现出超卓的避障才气：

4. 仿真测试：8类场景奏遵守超90%

在“弯腰-跨障”“侧身-弯腰”“多扼制物洞开避障”等8类复杂场景中，HumanoidPF的奏遵守均逾越90%，远高于ASTraversal（28.1%-82.1%）和Humanoid Parkour（33.3%-88.7%）等基线情势。

其中，在最具挑战性的“侧身-弯腰-跨步”场景（需要同期侧目两侧和上方扼制物），HumanoidPF的奏遵守达到86.6%，远超基线，充分证明注解其处理全空间不休的才气。

8类场景避障性能对比：HumanoidPF（终末一排）在总共场景中均达成最高奏遵守（SR%）和最小距离差错（DE(m)），上风显耀。

5. 真的宇宙：“点击导航”世俗穿梭

议论团队将战术部署为“点击导航（Click-and-Traverse）”系统：用户在舆图上点击指标位置，机器东谈主通过激光雷达构建及时环境舆图和HumanoidPF，自主研究旅途并穿梭，无需手动操控。

在真的室内测试中，机器东谈主奏效完成：

•弯腰遁入低矮茶几（高度0.4m）；

•抬腿跨过15cm高的书册；

•侧身挤过0.8m宽的窄缝；

•应酬“弯腰+跨障”复合任务，全程无碰撞，证明领略。

6. 泛化与鲁棒性：应酬未知场景和动态侵犯

•零-shot泛化：在未考验过的艺术家联想场景中，包含真的产物和不步伐扼制物，考验后的战术在“浅近场景”奏遵守95.2%，“复杂场景”奏遵守66.7%，远高于仅用真的场景考验的基线；

•动态侵犯：在机器东谈主穿梭过程中出动扼制物，它能及时更新HumanoidPF，退换指令轨迹，幸免碰撞，展现出强鲁棒性。

夹杂场景生成的泛化性能：加入高难度才略化场景考验后（终末一排），机器东谈主在未知复杂场景的奏遵守从1.2%种植至66.7%，泛化才气大幅种植。

五、关键上风：为什么HumanoidPF如斯高效？

1.前瞻性引导：不再依赖“碰撞后措置”，而是通过梯度场提供及时、密集的指令指引，学习效果种植数倍；

2.低移动gap：势能场作为洞开的空间潜入，能平滑传感器噪声和场景细节相反，从仿真到真的宇宙的移动险些无需荒芜微调；

3.通用适配：不依赖特定扼制物类型或场景结构，不管是步伐产物仍是不步伐杂物，都能通过势能场编码空间联系，泛化性极强。

对比其他使命：S={g,l,o} 潜入“大地(ground)有杂物+两侧(lateral)有抵触+头顶(overhead)有吊灯”的全空间不休。

回想

HumanoidPF的中枢价值，是为机器东谈主构建了一套“机器东谈主-扼制物联系”的通用话语——它将复杂的空间感知升沉为直不雅的指令指引，让避障从“低效试错”变为“本能反映”。

跟着技艺完善，东谈主形机器东谈主不详能像东谈主类雷同，在堆满杂物的房间里天真穿梭，自主完成婚务、取物等任务，真确走进正常糊口。而HumanoidPF的提议，为通用东谈主形机器东谈主的环境妥当才气奠定了关键基础。