LIMBO：无模型屏障目标实现全身控制

2026年10月16日，arXiv Robotics 出现由 Jake Gonzales 等作者提交的论文预印本，提出 LIMBO 全身控制安全框架。该框架从黑盒状态转移中学习状态-动作控制障碍函数（Q-CBF），并将其安全结构蒸馏进任务策略，在冻结基础控制器周围的残差动作上完成合成。据该预印本，方法在 29 自由度人形机器人上完成躲避球和低障碍物下行走任务；在两种设定下，学习到的策略无需在线安全过滤器即可迁移到硬件，表明学习式安全合成可扩展到敏捷全身控制。同一来源还称，在相同安全规范下改变采样集中度，可产生从下蹲到后仰 limbo 动作的不同策略。目前该事件仅有这一篇报道，后续进展有待跟进。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。