Hiking in the Wild：面向人形机器人的可扩展感知跑酷框架

研究者提出 Hiking in the Wild，一个端到端感知式足式跑酷框架，将深度输入与本体感知直接映射为关节动作，不依赖外部定位与建图。该框架引入地形边缘检测与足部体积点结合的落脚安全机制，以及 Flat Patch Sampling 策略以缓解奖励黑客问题。在 Unitree G1 人形机器人上的实验显示，该策略可在复杂地形上以最高 2.5 m/s 的速度稳定穿越。