REACH：人形机器人层级强化学习爬行框架
热点事件持续更新
REACH：人形机器人层级强化学习爬行框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
REACH 研究团队发布论文，提出一个基于强化学习的分层框架，使 Unitree G1 人形机器人能在受限高度空间中穿行：通过双足行走与爬行两种步态，可在指令范围内调节身体高度，并用双向过渡策略衔接两种步态。 具体能力上，策略可在双足 1.27–0.50 米、爬行 0.50–0.20 米的指令范围内调节身体高度；系统结合基于 LiDAR 的规划器生成无碰撞三维路径。真机实验验证了高度与速度跟踪、步态切换和受限空间穿行能力。论文将发表于 IEEE Humanoids 2026，代码与视频已开源。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
REACH：基于 RL 的分层人形机器人爬行框架，实现受限空间自适应穿行报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIREACH：基于 RL 的分层人形机器人爬行框架，实现受限空间自适应穿行
研究者提出 REACH，一个基于 RL 的分层框架，使 Unitree G1 人形机器人在受限空间中通过变高双足行走与爬行穿行。策略可在双足 1.27–0.50m、爬行 0.50–0.20m 的指令范围内调节身体高度，并借助双向过渡策略衔接两种步态。系统结合基于 LiDAR 的规划器生成无碰撞三维路径，真机实验验证了高度与速度跟踪、步态切换和受限空间穿行能力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。