arXiv · cs.AI· Shaoting Zhu, Ziwen Zhuang, Mengjie Zhao, Kun-Ying Lee, Hang Zhao·· 11 小时前
Hiking in the Wild：面向人形机器人的可扩展感知式跑酷框架最高支持2.5米/秒
Hiking in the Wild: A Scalable Perceptive Parkour Framework for Humanoids
arXiv:2601.07718v2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, Ziwen Zhuang, Mengjie Zhao, Kun-Ying Lee, Hang Zhao
研究任务与主要进展
Shaoting Zhu等人提出Hiking in the Wild端到端感知式腿式跑酷框架，将深度输入和本体感觉直接映射为关节动作，无需外部定位或建图。框架引入可扩展的地形边缘检测与脚部体积点落脚安全机制，以及平地采样策略，并在Unitree G1人形机器人实验中报告复杂地形最高2.5米/秒的通过速度；材料未说明完整实验基准和泛化条件。
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