人形机器人感知跑酷框架Hiking in the Wild提出

2026年10月15日，arXiv Artificial Intelligence 刊出研究者 Shaoting Zhu 等人的论文，提出名为 Hiking in the Wild 的端到端感知式足式跑酷框架，面向人形机器人的稳健野外行走。该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，并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。论文称，在 Unitree G1 人形机器人上的大量实验显示，该策略可在复杂地形上以最高 2.5 m/s 的速度稳定穿越。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现与早先报道矛盾的数字或说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。