内容摘要
四足机器人携物穿行杂乱环境时，负载会改变可通行边界。作者指出，固定轮廓膨胀可能使导航过于保守，提出将负载几何纳入决策的两阶段学习框架，而非仅适应负载对步态稳定性的影响。
第一阶段以物体尺寸为特权信息，通过强化学习训练LOADNav，使轨迹与避障间距随负载几何变化；第二阶段冻结导航策略，以模仿学习训练CoGE。预测器通过指令速度与实际速度的偏差识别偶发接触，据此更新尺寸估计，并非主动制造碰撞。增强版CoGE-LOADNav+以循环记忆保留接触信息，缓解有限观察窗口中的遗忘。
作者在配备L1激光雷达的宇树Go2上测试横向板、纵向管和横向管三类负载，每类20次。无需预先输入负载几何的CoGE-LOADNav及增强版平均成功率分别为81.67%和90.00%，已知尺寸的LOADNav为98.33%。这些是作者真机实验结果；方法将任务定义为二维点导航，假设负载刚性固定，不能据此认定其具备任意负载或复杂地形下的通用运输能力。
点评
将负载几何估计与导航策略连接起来，并用循环记忆保留稀疏接触信息，为未知尺寸负载的导航适配提供了研究路径。
证据为作者论文实验。负载建模采用刚性固定、动力学影响可忽略的假设；作者报告草地、沙地上的持续振荡，以及仿真与现实碰撞力分辨率差异对估计器的影响。
版本与核查范围
版本 2610.14596v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #abstract1.1；#S1.p2.1；#S3.SS2.p1.1；#abstract1.1；#S4.SS2.SSS2.p1.1；#S1.p3.1；#S1.I1.i3.p1.1；#S4.SS1.p1.1；#S4.SS5.p1.1；#S3.SS1.p1.1；#S3.SS4.p1.1；#S5.p2.1