‹ 返回

機器狗狂飆新極限！KAIST 發表 APT-RL 演算法：結合 Transformer 與強化學習，野生環境瞬時秒速衝破 6 公尺野生高難度障礙越野

 

圖1：穿越崎嶇地形（A）研究團隊的控制器能夠實現快速感知步態和技能選擇，從而實現高速越障。 （B）同一控制器已被用於部署在各種戶外地形上。(資料來源：Kang et al., 2026)

 

科楠老師
2026-7-20

 

    近年來，四足機器人（俗稱機器狗）在波士頓動力（Boston Dynamics）、宇樹科技（Unitree）等-企業的推動下，已能在室內或平整地面展現驚人的敏捷性。然而，一旦將它們丟入碎石密布的森林深處、高低落差極大的城市階梯，或是需要連續跳躍障礙的複雜野外時，傳統機器狗往往會因步態單一、避障速度慢或傳感器震動干擾而顯得步履蹣跚。

 

2026 年 7 月，來自南韓科學技術院（KAIST）與 Korea University 等頂尖機構的研究團隊在知名國際期刊 《Science Robotics》 發表了最新突破。他們提出了一套名為 APT-RL（Action Pretrained Transformer-based Reinforcement Learning，基於動作預訓練 Transformer 的強化學習） 的全新控制架構。該架構僅憑藉機器狗身上攜帶的感測器與運算單元，就讓 KAIST 的自研四足機器人 HOUND 在極其惡劣的野外環境中實現了高速、敏捷且自主的「多技能越野（Multiskill Locomotion）」。更令人震驚的是，HOUND 在跳下三層高台階時，創下了瞬時峰值速度達每秒 6 公尺（6 m/s） 的全新世界級標桿！科楠老師將帶您深度解析這項登上《Science Robotics》的研究到底有哪些革命性的技術創新。

技術痛點：為什麼以前的機器狗在野外「跑不快、跳不高」？

 

    要讓四足機器人在複雜野外實現像真正的豹或狗一樣奔跑跳躍，面臨三個長期未解的瓶頸：

 

1. 缺乏多步態與動作技能的融合： 傳統基於物理模型的控制（Model-based control）在模擬單一步態時表現優異，但極難精準建立野外複雜接觸面（如泥地、枯枝、碎石）的物理模型。

2. 強化學習（RL）訓練難度高： 雖然免模型強化學習（Model-free RL）能應對環境不確定性，但要讓一個大腦（Single Policy）同時學會小跑（Trot）、奔馳跳躍（Bound）等多種步態，往往需要極其複雜的手工獎勵函數調優，且訓練出來的動作生硬，甚至在高速時難以順暢轉換。

3. 機載感測器受劇烈震動干擾： 當機器狗以極高速度衝過障礙物時，落地的巨大衝擊力（瞬時常超過 10g 的重力加速度）會導致機載光達（LIDAR）與深度相機劇烈抖動、數據失真甚至當機。

為了解決這些難題，KAIST 團隊設計了 APT-RL 三階段整合框架。

核心創新一：超高效率的「2D 軌跡最佳化」生成 15.5 小時龐大數據

 

    過往模仿學習（Imitation Learning）需要仰賴昂貴的動物動態捕捉（Motion Capture）數據，不僅成本高昂，也難以隨意定制動作。APT-RL 的神來之筆，在於其「Impulse scale-based TO（基於脈衝比例的軌跡最佳化）」 系統。研究團隊利用大幅簡化的 2D 單一剛體動力學（Single Rigid Body Dynamics, SRBD），在矢狀面（Sagittal Plane）上模擬機器狗的質心動力學、角動量與足端接觸時間。這個簡化模型帶來了兩大無可比擬的優勢：

 

• 計算效率極高： 僅僅花費 8 分鐘 的最佳化時間，就產生了高達 18 萬條、累計長達 15.5 小時的高品質 2D 運動軌跡與對應的關節力矩(Torque)數據！
• 同步生成力矩(Torque)： 與市面上大多只生成「關節角度（State-only）」的算法不同，TO 同步產生了精準的物理力矩，使後續的控制器不需要額外疊加 RL 轉換器即可直接輸出控制信號。

核心創新二：首創 TVAE（變分自編碼器）與雙通道「輔助動作（Auxiliary Action）」控制

 

    如何把上述 2D 理論數據轉化為能在真實 3D 世界奔跑的技能？這是 APT-RL 最核心的架構設計：

 

圖2： APT-RL 的訓練流程(資料來源：Kang et al., 2026)

 

1. TVAE 隱空間預訓練

 

    研究團隊使用基於 Transformer 的變分自編碼器（TVAE），對上述 2D 數據進行自監督學習，成功將複雜的小跑（Trot）與奔馳跳躍（Bound）等動作編碼進同一個統一的「隱空間（Latent Space）」中，並訓練出專屬的力矩解碼器（Torque Decoder）。

 

2. 雙通道「輔助動作（Auxiliary Action）」機制

 

    因為 2D 訓練數據缺乏 3D 的橫向移動（如轉向、橫移）。因此，在強化學習階段，APT-RL 的策略網絡（Actor）會同時輸出兩個訊號：

• 隱空間動作 (a_latent)： 輸入給已凍結的 TVAE 解碼器，直接調用完美的 2D 運動規律。

• 輔助動作 a_aux )： 做為 3D 動力學的細微修正與補償（如提供 HAA 側向關節的控制）。

 亮點實證： 在「斷腳測試（Leg-breakage Scenario）」中，機器狗在某一關節受損時，系統能自主調大輔助動作（Auxiliary Torque），降低原解碼器的力矩(Torque)比重，調整足部軌跡以維持身體平衡，展現驚人的強韌度！

 

核心創新三：極遠視界的雙模傳感器融合技術（Depth + LIDAR）

 

    在高速奔跑中，機器狗如果只靠深度相機，視角頂多看清前方 3 公尺的環境，對於秒速超過 4 公尺的運動來說，根本來不及反應。為了解決這個問題，研究團隊採用了 教師-學生（Teacher-Student）蒸餾訓練框架，並在硬體上首度融合了雙模傳感器：

• 深度相機（Depth Camera）： 負責提供近距離（0.3 ~ 3.0 m）的高精度局部地形幾何數據。
• 2D 固態光達（LIDAR）： 負責提供遠距離（高達 5.0 m）的稀疏幾何掃描，確保機器狗擁有足夠的預警反應時間。

 

此外，為了解決落地時高達 10g 的物理衝擊導致傳感器當機的問題，團隊更在 HOUND 的頭部與 LIDAR 之間加裝了客製化的 3D 列印減震緩衝墊，確保高速運動時的環境感知依然平穩可靠。

驚人的實驗成果：創下多項世界級機器人越野指標

 

    研究團隊將 APT-RL 部署在 KAIST 研發的 HOUND 機器狗上，直接進行零樣本（Zero-shot）從模擬到實體的跨越訓練，並在校園、原始森林等極端地形展開實測：

• 瞬時峰值秒速 6 公尺： 機器狗在跳下一座高階梯（階高 30 cm、深 58 cm）時，在落地前瞬時速度達到了驚人的 6 m/s（弗勞德數 Froude Number 高達 7.69）。
• 多技能流暢切換： 在長達 1.1 公里的校園複雜地形測試中，HOUND 能夠根據當前速度與障礙物高低，自主在「小跑（Trot）」與「跳躍奔馳（Bound）」之間流暢切換。
• 野外長距離生存： 面對落葉堆、泥濘、碎石、橫臥的樹幹、高達 90 公分的室內跳台，HOUND 僅憑一套 onboard 策略（Policy）就能展現如同野生動物般的動態調整能力，穩健通過所有複雜地形。

結論與未來展望

 

    KAIST 團隊的 APT-RL 框架證明了：利用簡化的 2D 物理最佳化數據進行預訓練，結合強化學習的 3D 力矩(Torque)修正補償，不僅能大幅縮短機器人的學習曲線，還能創造出在真實世界中兼具「高爆發力」與「高適應力」的敏捷運動能力。這項研究不僅打破了多項四足機器人的高速感知運動紀錄，其「不依賴特定硬體平台（Robot-agnostic）」的特性，也使其未來能被廣泛推廣至雙足人形機器人或輪足式機器人，為搜救、軍事偵察及物流運輸等高風險應用，鋪平了實用化的道路。

 

 

參考文獻
Kang, J.-G., Park, J., Song, T.-G., Kim, J.-H., Hong, S., & Park, H.-W. (2026). Agile perceptive multiskill locomotion for quadrupedal robots in the wild. Science Robotics, 11(104), eadz7397. https://doi.org/10.1126/scirobotics.adz7397