AME-2基于注意力神经地图编码的敏捷与泛化腿足运动技术【文献解读】论文标题AME-2: Agile and Generalized Legged Locomotion via Attention-Based Neural Map Encoding作者Chong Zhang, Victor Klemm, Fan Yang, Marco Hutter所属机构Robotic Systems Lab, ETH Zurich; ETH AI Center, Switzerland发表平台arXiv.org (永久非独占许可)论文编号arXiv:2601.08485v2 [cs.RO]更新日期2026年3月24日项目网站https://sites.google.com/leggedrobotics.com/ame-2通讯作者chong.zhangai.ethz.ch一、研究背景与关键科学问题1.1 核心挑战腿足机器人在真实多样化环境中实现敏捷且泛化的运动需要解决以下技术难题感知与控制的紧耦合机器人需在实时性要求下融合感知信息与控制决策鲁棒性与不确定性处理传感器噪声、视觉遮挡、状态估计误差等不确定性因素动态行为与精确落脚在稀疏落脚点地形上既需要全身动态控制又需要精确的足端定位泛化能力在训练未见的地形上仍能保持高性能。1.2 现有方法的局限性传统模型驱动方法基于显式建图与模型预测控制依赖精确的状态估计和建图对视觉遮挡敏感建图更新频率低于控制循环存在延迟启发式滤波需要针对特定地形调参优化与规划组件计算开销大限制敏捷性。端到端强化学习方法直接从原始传感器映射到动作在跑酷等挑战性场景中展现出高敏捷性如[36,38,42]但泛化能力有限主要局限于训练环境可解释性差地形推理隐含在策略网络中。结合RL与显式建图的方法虽提升鲁棒性但继承了建图系统的计算开销和故障模式许多方法在训练时假设完全观测的以自我为中心的地图测试时对遮挡敏感策略倾向于保守在需要高敏捷性的地形上表现不佳。基于学习的建图方法用神经网络重建地图作为策略输入效率高但通常针对特定地形分布训练泛化性有限未显式建模不确定性如遮挡。1.3 本文解决的关键问题如何在一个统一框架中同时实现高敏捷性支持快速、动态的运动速度1.5 m/s强泛化性在训练未见的地形上零样本部署高效率轻量级建图满足实时性要求可解释性注意力机制提供可解读的特征模式跨平台适用性同一训练框架适用于四足和双足机器人。二、研究方法与技术路线2.1 整体系统架构AME-2采用模块化但端到端学习的设计哲学传感器输入 → 神经建图流水线 → 注意力地图编码器 → 策略网络 → 关节动作 ↑ ↑ 里程计信息 本体感知编码器系统分为三大核心组件神经建图流水线第五节将深度图像转换为带不确定性的高程地图AME-2注意力编码器第四节A从地图中提取任务相关特征教师-学生强化学习框架第四节C实现从仿真到实物的迁移。2.2 问题形式化本文将问题建模为部分可观测马尔可夫决策过程POMDP状态空间机器人本体感知关节位置/速度、基座角速度、投影重力等 环境地图动作空间关节位置/速度的PD目标值50 Hz策略频率400 Hz执行频率奖励函数任务奖励位置跟踪、航向跟踪 正则化奖励 仿真保真度奖励优化算法PPOProximal Policy Optimization[60]2.3 AME-2注意力地图编码器这是本文的核心算法创新其结构如下高程地图输入 (L×W×d_map) ↓ ┌───┴───┐ ↓ ↓ 局部特征 全局特征 (CNN) (MLPMaxPool) ↓ ↓ └───┬───┘ ↓ 注意力模块MHA 查询全局特征 本体感知嵌入 键/值局部特征 ↓ 加权局部特征 ↓ 地图嵌入 全局特征 ⊕ 加权局部特征算法原理详解局部特征提取使用CNN从高程地图提取逐点局部特征使用MLP为每个位置计算位置编码融合后得到点状局部特征。全局特征提取对点状局部特征应用MLP通过最大池化Max Pooling聚合为全局上下文特征捕捉地形的整体结构信息如障碍边界、平台表面、梁中心。注意力机制全局特征与本体感知嵌入拼接后通过MLP生成查询向量点状局部特征作为键Key和值Value采用多头注意力Multi-Head Attention[63]计算注意力权重输出加权局部特征强调与当前任务和地形上下文最相关的区域。关键设计差异对比AME-1 [15]AME-1仅用本体感知计算注意力权重AME-2额外计算全局特征并用其调节注意力使策略能根据不同地形类型学习不同的注意力模式和运动模式。2.4 非对称演员-评论家训练演员Actor使用AME-2编码器需要泛化能力评论家Critic使用混合专家MoE架构[68]不要求泛化更注重函数拟合能力特权信息评论家额外获取足端接触状态和更精确的本体感知信息左右对称增强应用于评论家以提高样本效率和运动风格。2.5 教师-学生强化学习框架动机直接使用神经建图流水线训练策略仿真速度减半且GPU内存需求大。训练流程教师策略训练使用地面真实地图80000次迭代使用地面真实高程地图训练成本~60 RTX-4090-days8 GPU并行。学生策略训练使用神经建图40000次迭代优化目标PPO RL损失 动作蒸馏损失 表示损失表示损失 教师与学生地图嵌入的MSE前5000次迭代禁用PPO替代损失仅进行蒸馏。关键设计学生不接收基座线速度观测里程计速度噪声大、延迟高学生使用过去20步的本体感知历史通过LSIO [66]编码时序信息。2.6 神经建图流水线这是支撑学生策略部署的关键技术。2.6.1 局部预测深度点云 → 投影到局部网格 → 轻量级CNNU-Net → 高程估计 不确定性对数方差网络训练数据合成从多种地形网格训练地形 随机堆叠方块 随机高度场 随机浮动方块进行光线追踪采样数据增强加性噪声、随机裁剪、模拟遮挡、随机削波、随机离群点损失函数β-NLL损失β0.5[80]L0.5EX,Y[sg[σ^(X)](log⁡σ^2(X)2(Y−μ^(X))22σ^2(X))]L_{0.5} \mathbb{E}_{X,Y}[\text{sg}[\hat{\sigma}(X)](\frac{\log \hat{\sigma}^2(X)}{2} \frac{(Y-\hat{\mu}(X))^2}{2\hat{\sigma}^2(X)})]L0.5​EX,Y​[sg[σ^(X)](2logσ^2(X)​2σ^2(X)(Y−μ^​(X))2​)]相比标准NLL此损失防止模型在高不确定性区域过度保守。样本重加权根据地形总变分TV加权使模型更关注粗糙地形。2.6.2 全局融合采用**概率赢家通吃Probabilistic Winner-Take-All**融合策略计算有效测量方差σ^t2max⁡(σt2,0.5⋅σprior2)\hat{\sigma}_t^2 \max(\sigma_t^2, 0.5 \cdot \sigma_{prior}^2)σ^t2​max(σt2​,0.5⋅σprior2​)防止过度自信判断更新是否有效σ^t21.5σprior2\hat{\sigma}_t^2 1.5\sigma_{prior}^2σ^t2​1.5σprior2​或σ^t20.22\hat{\sigma}_t^2 0.2^2σ^t2​0.22计算覆盖概率pwin(σ^t2)−1(σ^t2)−1(σprior2)−1p_{win} \frac{(\hat{\sigma}_t^2)^{-1}}{(\hat{\sigma}_t^2)^{-1} (\sigma_{prior}^2)^{-1}}pwin​(σ^t2​)−1(σprior2​)−1(σ^t2​)−1​随机采样决定是否用新预测覆盖地图。优势遮挡区域的不确定性不会因多次一致预测而降低过高置信度的预测若不一致则无法覆盖地图高置信度测量可快速响应动态地形变化轻量级适合并行仿真和实时部署。2.6.3 仿真与部署集成仿真中与Isaac Gym集成1000环境并行下推理时间0.3 msGPU内存~3 GB实物中CPU推理约2.5 msONNX Runtime总建图时间~5 ms/帧里程计ANYmal-D使用CompSLAM [82] Graph-MSF [83]TRON1使用DLIO [84]。2.7 奖励函数设计奖励函数分为三类完整列表见表I任务奖励主要激励位置跟踪rposition_tracking110.25dxy2⋅tmask(4)r_{position\_tracking} \frac{1}{10.25d_{xy}^2} \cdot t_{mask}(4)rposition_tracking​10.25dxy2​1​⋅tmask​(4)航向跟踪rheading_tracking11dyaw2⋅tmask(2)⋅1(dxy0.5)r_{heading\_tracking} \frac{1}{1d_{yaw}^2} \cdot t_{mask}(2) \cdot \mathbf{1}(d_{xy}0.5)rheading_tracking​1dyaw2​1​⋅tmask​(2)⋅1(dxy​0.5)向目标移动鼓励向目标方向移动速度约束0.3-2 m/s目标站立到达目标后保持稳定站立姿势正则化奖励安全性惩罚过度旋转、跳跃、非足端接触、绊倒、打滑、自碰撞仿真保真度奖励惩罚接近关节位置/速度/力矩极限的行为关键创新不直接奖励或惩罚足端接触位置而是让全身接触行为自然涌现如图10、图13中的膝部接触。2.8 地形课程与域随机化地形课程附录A三类训练地形密集地形20%、攀爬地形30%、稀疏地形50%难度从易到难自适应调节基于指数移动平均成功率感知噪声课程前20%迭代从零线性增加到最大噪声初始航向课程从面向目标扩展到随机方向。域随机化附录B动力学有效载荷、摩擦系数、执行器延迟随机化观测噪声各传感器添加均匀噪声地图随机移除点、随机高度值高不确定性、模拟建图漂移部分环境使用完整地图部分使用部分观测地图促进地图重用。2.9 训练与部署参数参数ANYmal-DTRON1地图尺寸36×14 (8 cm分辨率)18×13 (8 cm分辨率)地图中心x0.6m, y0x0.32m, y0训练成本~60 RTX-4090-days (8 GPU)~30 RTX-4090-days (4 GPU)策略频率50 Hz50 Hz推理时间~2 ms (CPU)~2 ms (CPU)三、主要创新点与学术贡献3.1 创新点总结序号创新点技术内涵解决的问题1AME-2注意力地图编码器全局特征局部特征的双路提取全局上下文调节的注意力机制在保持泛化性的同时实现高敏捷性2不确定性感知神经建图轻量级CNN预测高程不确定性概率赢家通吃融合策略显式建模遮挡和噪声支撑学生策略部署3统一的教师-学生RL框架PPO动作蒸馏表示损失的联合优化保持教师性能的同时实现sim-to-real迁移4跨平台统一训练相同奖励函数和训练设置适用于四足和双足验证方法的通用性3.2 与现有方法的对比优势方法类别代表性工作敏捷性泛化性效率可解释性不确定性建模模型驱动建图[2,4]低-中中-高低高启发式RL经典建图[13,14,15]中中中中部分RL学习建图[29,32,33]高低高低有限端到端视觉策略[36,38,48]高低-中高低隐式AME-2本文-高高高中显式3.3 关键实验验证结果1. 敏捷性验证ANYmal-D零样本完成先前工作中最难的跑酷和碎石堆地形[32,48]图9TRON1攀爬0.48 m平台、下降0.88 m优于Unitree H1的0.5 m [17]两种机器人峰值前进速度均1.5 m/s。2. 泛化性验证表II-IV教师策略在测试地形上平均成功率95.2%显著优于AME-151.2%和MoE45.0%学生策略在测试地形上平均成功率82.4%显著优于视觉循环策略51.5%建图模型在测试地形上的L0.5L_{0.5}L0.5​损失为0.046优于仅训练地形的0.088和时间循环模型0.085。3. 涌现行为主动感知机器人通过与障碍物交互获得新视角更新地图后成功攀爬图15局部导航自主对齐地形、避障图16全身接触膝部辅助支撑和攀爬图10、13冲击减缓下山时膝部缓冲、落地时缩腿缓冲图17。4. 可解释性图18局部注意力聚焦于精细地形细节全局特征聚焦于地形类型区分性点障碍边界、平台表面、梁中心。3.4 技术贡献的学术意义从系统层面桥接模块化与端到端设计保留模块化结构建图控制的可解释性和泛化性通过端到端RL训练实现高敏捷性AME-2编码器扮演规划模块角色学习任务相关的中间表示。不确定性显式建模对泛化的重要性遮挡区域保持高不确定性而非通过学习先验填鸭式补全新观测的几何信息可根据预测不确定性决定是否融入地图支持零样本泛化到未见地形。统一框架的通用性四足ANYmal-D和双足TRON1使用完全相同的奖励函数和训练设置仅地图尺寸和硬件参数PD增益、执行器模型不同证明了方法的通用性和可扩展性。四、局限性与未来方向4.1 当前局限仅使用2.5D高程地图不支持完全3D运动如需要悬垂抓取或跨越的场景严重感知退化场景高草丛、雪地等环境未充分处理动态环境未显式建模移动物体技能转换失败在训练未见地形上策略在技能转换阶段如从稀疏地形减速到攀爬容易出现失败全身接触的硬件压力膝部接触虽有益于敏捷性但可能对主要为足端接触设计的硬件造成应力。4.2 未来研究方向扩展至3D表示多层高程地图[24]或基于体素的注意力表示场景感知策略切换结合鲁棒控制器[14]与敏捷控制器形成单一场景感知策略动态环境推理扩展建图模块以显式建模移动元素跨技能泛化研究可扩展的零样本技能转换学习方法更高自由度系统探索在人形机器人上的应用处理更多样的全身接触模式。五、结论AME-2通过注意力机制驱动的神经地图编码和不确定性感知的轻量级建图流水线在腿足机器人的敏捷运动与泛化能力之间建立了新的平衡。该框架在四足和双足平台上均验证了有效性实现了训练未见的复杂地形上的零样本高成功率运动峰值速度1.5 m/s的动态敏捷行为主动感知、全身接触、冲击减缓等涌现智能行为可解释的注意力特征模式。该工作为腿足机器人在真实世界中的部署提供了兼具理论深度和工程实用性的解决方案代表了将模块化系统设计的可解释性与端到端学习的高性能相结合的重要进展。