RPL: Learning Robust Humanoid Perceptive Locomotion on Challenging Terrains

RPL提出一种鲁棒的人形机器人感知运动学习方法，专注于在挑战性地形上实现稳定行走。该方法结合深度强化学习与感知输入，使人形机器人能够在不平坦、湿滑和有障碍的地形上自适应调整步态和身体姿态。RPL通过仿真到真实的迁移验证了方法的有效性，在多种真实世界挑战性地形上展现出卓越的稳定性和适应性，为人形机器人在非结构化环境中的运动控制提供了重要参考。arXiv编号：2602.03002。