arXiv cs.AI· Shaoting Zhu, Baijun Ye, Jiaxuan Wang, Jiakang Chen, Ziwen Zhuang, Linzhan Mou, Runhan Huang, Hang Zhao·· 3 天前AI 评分27
TTT-Parkour：面向感知型机器人跑酷的快速测试时训练
TTT-Parkour: Rapid Test-Time Training for Perceptive Robot Parkour
AI 导读
研究者提出 TTT-Parkour，一个 real-to-sim-to-real 框架，通过在部署前于仿真中对环境特定策略进行快速微调，让 humanoid 机器人在预训练未见过的复杂地形上完成跑酷。
正文 · AI 翻译
摘要：在预训练阶段未见过的复杂地形上实现人形机器人的高动态跑酷，仍是机器人学中的一项挑战。尽管通用运动策略在广泛的地形分布上展现出能力，但它们往往难以应对任意且极具挑战性的环境。为克服这一局限，我们提出了一种用于快速测试时训练（TTT）的实到虚再到实（real-to-sim-to-real）框架：在部署到新遇到的地形之前，先在仿真中对特定环境的策略进行微调。我们采用两阶段端到端学习范式：首先在多样化的程序化生成地形上预训练策略，随后在从真实世界采集重建的高保真网格上进行快速微调。具体而言，我们开发了一条高效、前馈且高保真的几何重建流水线，使用 RGB-D 输入，确保测试时训练的速度与质量。我们证明 TTT-Parkour 使人形机器人能够掌握复杂障碍物，包括楔形物、桩、箱子、梯形物和窄梁。整个流水线，包括采集、重建和测试时训练，对大多数测试地形耗时约 10 分钟。实验表明，微调后在测试地形上的穿越能力有所提升，可直接从仿真部署到真实机器人，且无需在机器人上进一步更新策略。
| 评论： | 项目页面：此 https URL |
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2602.02331 [cs.RO] |
| （或 arXiv:2602.02331v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2602.02331 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Shaoting Zhu [查看邮箱]
[v1]
2026年2月2日星期一 16:55:10 UTC（10,112 KB）
[v2]
2026年10月13日星期二 14:08:18 UTC（10,128 KB）
来源：arXiv cs.AI · arxiv.org