内容摘要
人形机器人摔在桌子、货架或倒板下面时，常用的起身动作往往用不了：抬起躯干会顶到头顶障碍，原地不动又没有站立空间。难点在“先清空间”和“撑稳起身”互为前提，往哪挪也取决于现场：可动的障碍能推开，固定的只能绕到边缘外；把逃离方向写死在方法里，换个场景就得重做。
作者把这件事改成可学习的奖励：接触支撑的几何逃离引导，按机器人与障碍重叠量的逐步减少给奖励，但不规定逃离路径；再叠加学到的类人运动先验、姿态相关的支撑成本，以及足端运动成本和关节停滞成本。训练分三阶段：平地起身、姿态细化、加入障碍交互与几何引导。策略输入是 93 维本体感知，输出是 29 维关节位置目标、由 PD 控制器跟踪；障碍几何和接触信息只在训练时用于算引导。
作者自报：仿真里只能被抬起的板下恢复率 88.5%，去掉几何引导只剩 18.9%；尺寸、质量与位置随机的自由板下为 98.6%。真机 Unitree G1 在七个真实障碍场景的 150 次尝试中成功 95 次，其中家具与多物体组合训练中未出现过。
限制：数字均为作者自报，本次材料无独立复现；真机只给次数不给百分比，与仿真的百分比口径不同，不能直接比；成功判据是持续站立而非与障碍完全分离；仿真障碍只有板状两类，场景覆盖有限；证据为 arXiv 论文页面的一次抓取快照，材料只到方法部分，实验设置、基线与消融细节不可查。
点评
对做本体控制与策略部署的开发者，有三处结构可直接借鉴。一是输入侧：几何信息只在训练时用来算奖励，部署时策略只吃机器人自身状态（93 维本体感知），不必再向部署环境索取几何或接触信息，接触也只是训练信号。二是奖励侧：几何引导只反馈“有没有让出空间”，不指定逃离方向或接触顺序，所以同一条策略能应付训练里没见过的家具与多物体布置（真机 150 次尝试中成功 95 次）。三是实现细节：先验得分与起身、平滑项相乘，执行成本与逃离项用加法，因此先验得分低时逃离反馈仍然保留；关节停滞成本用来抑制机器人持续高力矩顶住障碍却几乎没有关节运动的情况。另外要注意，本次材料能比的只有“去掉几何引导”这一项（18.9% 对 88.5%），其余奖励项各自贡献多少无法从材料判断；真机的 95 次成功是次数口径，不能直接当成与仿真同口径的百分比。
所有数字均为作者自报（摘要与引言），本次材料没有独立复现，也没有厂商声明或工程产物佐证。真机只报告 95/150 次，没有换算成百分比，与仿真的百分比口径不同，不能直接比较。成功判据是持续站立，而不是与障碍完全分离——推开障碍却没站起算失败，站着但仍接触障碍算成功。仿真只测了两类板状障碍，真机为固定家具与多物体组合，场景覆盖有限；可比的消融只公开了“去掉几何引导”一项。证据为 arXiv 论文页面的单次抓取快照，arXiv 页面会滚动更新、作者后续版本可能与此不同；本次材料只到方法部分，实验设置、基线与其他消融细节不可查。
版本与核查范围
版本 2610.42097v2 · 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 #S1.p1.1；#S1.p2.1；#abstract1.1；#abstract1.1；#abstract1.1；#S1.p3.1；#S4.SS1.p1.1；#S3.p3.2；#S3.p2.1；#S4.SS1.p3.1；#S4.SS1.p4.2；#S4.SS2.p3.1