本次分享我们邀请到了清华大学交叉信息研究院博士研究生庄子文为大家介绍他的工作：Project Instinct。
在复杂非结构化环境（unstructured environments）中实现稳健的仿人机器人徒步行走，需要从反应式的本体感知（proprioception）转向前瞻性的环境感知（proactive perception）。然而，外感受感知的整合仍面临重大挑战：基于地图构建的方法存在状态估计漂移问题（state estimation drift），例如依赖激光雷达的方案难以有效应对躯干抖动。现有端到端方法常受限于扩展性与训练复杂性；具体而言，前期采用虚拟障碍物的研究大多依赖个案化实现。本文提出"野外徒步（Hiking in the Wild）"框架 —— 一个具备可扩展性的端到端跑酷感知框架，专为稳健的仿人机器人徒步行走设计。为确保安全性与训练稳定性，我们引入两项关键机制：结合可扩展地形边缘检测（Terrain Edge Detection）与足部体积点的立足点安全机制（foothold safety mechanism），防止在边缘处发生灾难性滑移；以及通过生成可行导航目标来抑制奖励欺骗的平面补丁采样策略。该方法采用单阶段强化学习架构（single-stage reinforcement learning），直接将原始深度输入与本体感知映射为关节动作，无需依赖外部状态估计（external state estimation）。在等比例仿人机器人上进行的大规模野外实验表明，我们的策略能够以最高2.5米/秒的速度稳健穿越复杂地形。训练与部署代码已开源，旨在促进可复现研究，并支持以最小硬件改造在实体机器人上完成部署。
1. 主页：https://project-instinct.github.io/
2. 论文链接：https://arxiv.org/abs/2601.07718
3. 代码链接：https://github.com/project-instinct
