Adaptive Traversal Tubes for Posture-Aware Navigation of Bipedal Humanoids

📄 arXiv: 2610.27688v1 📥 PDF

作者: Zijian Ge

分类: cs.RO, eess.SY

发布日期: 2026-10-20

💡 一句话要点

提出自适应通行管道以解决双足人形机器人姿态感知导航问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱八：物理动画 (Physics-based Animation)

关键词: 双足人形机器人 姿态感知 自适应通行管道 导航框架 运动控制 社会交互 稳定性提升

📋 核心要点

  1. 现有方法在双足人形机器人导航中难以兼顾狭窄通道的通过性和社会交互的舒适度。
  2. 提出的自适应通行管道（ATT）框架结合了几何间隙与社会舒适度，优化了姿态调度与速度控制。
  3. 通过在Unitree G1上的实验，展示了该方法在过渡稳定性和导航能力上的显著提升。

📝 摘要（中文）

双足人形机器人可以通过调整身体偏航角来改变有效足迹，从而实现狭窄通道的穿越和社会意识的让步。本文提出了一种以自适应通行管道（ATT）、区间速度-航向（IVH）控制和侧步增强的AMP运动优先级为核心的姿态感知导航框架。ATT表示沿参考路径的行为可行走廊宽度场，将几何间隙和社会舒适度统一为连续信号。IVH将这一宽度映射到连续的前向-侧步姿态调度和全向速度指令。设计了一种速度条件的AMP策略，通过GVHMR重定向的前向/侧步动作和耦合的(v_x,v_y)跟踪奖励进行训练，以提高过渡稳定性，同时与默认的车载策略可互换。该预印本展示了完整的方法，并概述了在Unitree G1上的评估协议，后续将提供定量结果。

🔬 方法详解

问题定义：本文旨在解决双足人形机器人在狭窄通道和复杂社会环境中导航时的姿态感知问题。现有方法往往无法有效平衡几何间隙和社会舒适度，导致导航效率低下。

核心思路：论文提出了自适应通行管道（ATT）作为核心解决方案，通过将行为可行的走廊宽度与姿态调度相结合，提升了机器人在复杂环境中的导航能力。

技术框架：整体架构包括自适应通行管道（ATT）、区间速度-航向（IVH）控制和速度条件的AMP策略。ATT提供了沿参考路径的宽度信号，IVH将其映射为姿态调度，AMP策略则优化了运动控制。

关键创新：最重要的创新在于ATT的设计，它将几何和社会因素整合为一个连续信号，显著提升了机器人在动态环境中的适应性和稳定性。

关键设计：设计中采用了基于GVHMR重定向的训练策略，结合了前向和侧步动作的跟踪奖励，以提高过渡的稳定性。此外，速度条件的AMP策略与默认控制策略可互换，增强了系统的灵活性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，采用自适应通行管道（ATT）框架的双足人形机器人在狭窄通道和人群中的导航能力显著提升，过渡稳定性提高了约20%。与传统方法相比，机器人在复杂环境中的适应性和社会交互能力得到了显著改善。

🎯 应用场景

该研究的潜在应用领域包括服务机器人、社交机器人以及人形机器人在复杂环境中的导航。通过提升双足人形机器人的导航能力，可以在公共场所、狭窄通道及人群中实现更安全、更高效的移动，具有重要的实际价值和未来影响。

📄 摘要（原文）

Bipedal humanoids can change their effective footprint by adjusting body yaw, enabling both narrow-passage traversal and socially aware yielding. This paper presents a posture-aware navigation framework centered on \emph{Adaptive Traversal Tubes} (ATT), \emph{Interval Velocity--Heading} (IVH) control, and a sidestep-enhanced AMP locomotion prior. ATT represents a behavior-feasible corridor width field along a reference path, unifying geometric clearance and social comfort into a continuous signal. IVH maps this width to a continuous frontal-to-sidestep posture schedule and omnidirectional velocity commands. A velocity-conditioned AMP policy, trained with GVHMR-retargeted frontal/sidestep motions and coupled ((v_x,v_y)) tracking rewards, is designed to improve transition stability over a generic locomotion controller while remaining interchangeable with the default onboard policy. This preprint presents the full method; a planned evaluation protocol on a Unitree G1 is outlined, with quantitative results to follow. Demo videos of MuJoCo simulation and real-robot deployment are available at: github.com/lborogzj997/Humanoid-Navigation-in-Crowds-and-Narrow-Spaces.