ROOF：让倒地人形机器人在头顶障碍下完成起身的强化学习方法

ROOF 提出一种带接触支撑几何逃逸引导的强化学习方法，解决倒地人形机器人在头顶障碍下的起身问题：机器人需先制造空间再组织支撑，避免在腾出空间前起身而加重受阻。方法用学习到的运动先验，结合姿态相关支撑代价与关节卡滞代价，塑造单一策略，仅凭本体感知学习何时清除障碍、如何建立支撑以及何时完成起身。仿真中，在只能抬起的板下成功率为 88.5%，无几何引导时为 18.9%；在尺寸、质量和位置随机的自由板下成功率为 98.6%。在 Unitree G1 上，部署策略在七个真实障碍场景的 150 次尝试中成功 95 次，场景包括训练中未出现的家具和多物体布置。论文为 8 页预印本，尚未见同行评议信息。