arXiv · cs.AI· Shaoting Zhu, Baijun Ye, Jiaxuan Wang, Jiakang Chen, Ziwen Zhuang, Linzhan Mou, Runhan Huang, Hang Zhao·· 11 小时前
TTT-Parkour：面向人形机器人跑酷的快速测试时训练框架
TTT-Parkour: Rapid Test-Time Training for Perceptive Robot Parkour
arXiv:2602.02331v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Shaoting Zhu, Baijun Ye, Jiaxuan Wang, Jiakang Chen, Ziwen Zhuang, Linzhan Mou, Runhan Huang, Hang Zhao
研究任务与主要进展
研究团队提出 TTT-Parkour，通过“实到-sim到实”流程，在人形机器人遇到新地形后，先依据真实环境采集数据重建高保真网格，再于仿真中快速微调策略并直接部署。实验覆盖楔形物、桩、箱体、梯形物和窄梁等障碍，材料称多数测试地形从采集、重建到训练约需10分钟，微调后通过能力得到改善，且机器人端部署后无需继续更新策略。基于论文摘要，具体实验规模和性能幅度未说明。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org