DAWN: Noise-Robust Quadruped Parkour via Depth-Denoising World Models

📄 arXiv: 2609.29092v1 📥 PDF

作者: Yohan Choi, Min-Jun Kim, Jin-Sung Kim, Yong-Jae Kim, Youn-Hee Han

分类: cs.RO, cs.AI, cs.CV, cs.LG

发布日期: 2026-09-24

备注: 8 pages, 6 figures. Accepted to IROS 2026

💡 一句话要点

提出DAWN框架以解决四足机器人在噪声环境下的运动问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)

关键词: 四足机器人 噪声鲁棒性 深度学习 去噪技术 对比学习 自主导航 计算机视觉

📋 核心要点

  1. 现有的视觉基础四足机器人运动方法在训练时假设深度数据是干净的，且依赖手动调节的滤波器，导致可重复性差和性能下降。
  2. 本文提出DAWN框架，通过将噪声深度输入编码器并保持干净深度作为重建目标，强制模型进行隐式去噪，同时利用对比学习对齐潜在状态。
  3. DAWN在Unitree Go1上实现了零-shot公园跑，能够在原始深度观测下成功跨越18厘米高的台阶、70厘米宽的间隙和45厘米高的台阶，显示出显著的性能提升。

📝 摘要（中文）

现有基于视觉的四足机器人运动方法在训练时假设深度信息是干净的，并依赖手动调节的后处理滤波器。然而，这些滤波器的参数往往未公开，导致可重复性差，且在深度噪声未得到处理时性能显著下降。为此，本文提出DAWN（去噪和对齐的世界模型），通过将噪声鲁棒性直接融入学习流程，解决了这一问题。DAWN通过两项修改实现：一是将噪声深度输入编码器，同时保持干净深度作为重建目标，迫使模型隐式去噪；二是应用对比学习对齐噪声和干净深度的潜在状态。DAWN无需手动调节噪声分布，且在推理时没有额外成本，成功实现了零-shot四足机器人公园跑，展示了其在复杂环境中的优越性能。

🔬 方法详解

问题定义：本文旨在解决现有四足机器人在噪声环境下的运动能力不足问题，尤其是深度信息的噪声对性能的影响。现有方法依赖手动调节的滤波器，导致可重复性差和性能下降。

核心思路：DAWN框架的核心思路是将噪声鲁棒性直接融入学习流程，通过将噪声深度输入编码器并保持干净深度作为重建目标，迫使模型进行隐式去噪，同时利用对比学习对齐噪声和干净深度的潜在状态。

技术框架：DAWN的整体架构包括两个主要模块：去噪模块和对齐模块。去噪模块负责处理输入的噪声深度数据，而对齐模块则通过对比学习确保噪声和干净深度的潜在状态对齐。

关键创新：DAWN的关键创新在于其不依赖于特定的噪声模型，且无需手动调节噪声分布，解决了传统方法的局限性。此外，DAWN在推理时没有额外的计算成本。

关键设计：在设计上，DAWN使用了特定的损失函数来平衡去噪和对齐的目标，确保模型在训练过程中能够有效学习到鲁棒的深度表示。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

DAWN在Unitree Go1上实现了零-shot四足机器人公园跑，成功跨越18厘米高的台阶、70厘米宽的间隙和45厘米高的台阶，展示了其在复杂环境中的优越性能。与传统方法相比，DAWN无需手动滤波器调节，且在推理时没有额外成本，显著提升了鲁棒性和效率。

🎯 应用场景

该研究的潜在应用领域包括自主机器人、智能交通系统和复杂环境下的导航任务。通过提高四足机器人的噪声鲁棒性，DAWN能够在多种实际场景中实现更高效的运动和决策，具有重要的实际价值和未来影响。

📄 摘要（原文）

Vision-based legged locomotion methods assume clean depth at training time and rely on hand-tuned post-processing filters at deployment. However, filter parameters are rarely disclosed, hindering reproducibility, and performance degrades substantially when depth noise is left unaddressed. Building noise robustness directly into the learning pipeline would eliminate this dependency. While such robustness has been explored for proprioceptive inputs, analogous approaches for depth perception remain largely absent in legged locomotion. We propose DAWN (Denoising and Alignment in World models for Noise-robustness), a noise-robust perception framework for legged locomotion, which builds noise robustness directly into a world model via two modifications: (1) feeding noisy depth to the encoder while keeping clean depth as the reconstruction target, forcing the model to implicitly denoise its input; and (2) applying contrastive learning to align the latent states of noisy and clean depth. Importantly, DAWN is not tied to a specific noise model, requiring no manual tuning to the noise distribution at deployment. Furthermore, it incurs no additional inference cost over existing world model-based methods. Without any manual filter calibration -- relying solely on the learned noise-robust representation -- DAWN achieves zero-shot quadruped parkour on a Unitree Go1: traversing stairs up to 18 cm, clearing gaps up to 70 cm, and mounting steps up to 45 cm from raw depth observations. Ablation studies show that denoising and contrastive alignment contribute at complementary levels -- reconstruction and representation, respectively -- and yield additive gains when combined. Videos and code are available at: https://dawn-parkour.github.io/