THE RESEARCH ATLAS

PointWalker:直接从激光雷达原始点云学习无地图四足运动

通过注意力机制融合激光雷达点云与机器人自身状态,以强化学习策略连接地形感知和四足运动。

PointWalker: Mapless Quadruped Locomotion Directly From Raw LiDAR Point Clouds

Sicen Li; Zhen Chu; Chao Li; Jun Zheng; Qiuguo Zhu; Jun Wu
2026-10-11 · Deep Robotics · 研究论文
来源核查: 2026-10-25署名机构 · Zhejiang University / DEEP Robotics 🇨🇳 中国
机构与地域来源

地域依据是署名机构或发布机构所在地,不代表作者国籍或完整合作名单。

arxiv.org ↗

为什么值得读

观察不以语言对话为中心的物理智能:方法必须在实时感知、身体状态与接触运动之间闭环。

连接了什么

以 PPO 训练单一策略,将点云注意力和本体感知融合用于 X30 四足机器人。作者单位包括浙江大学与云深处,并非云深处单独署名。

预印本;仿真与真实机器人实验

论文报告仿真与真实机器人实验;跨越其他传感器布局、全局路径规划和动态支撑的泛化仍有限。

沿着这些连接继续阅读 ↗
关系与版本的来源
阅读原始来源 ↗原始 PDF ↗

引用

@misc{li2026pointwalker,
  title = {PointWalker: Mapless Quadruped Locomotion Directly From Raw LiDAR Point Clouds},
  author = {Sicen Li and Zhen Chu and Chao Li and Jun Zheng and Qiuguo Zhu and Jun Wu},
  year = {2026},
  eprint = {2610.15548},
  archivePrefix = {arXiv},
  primaryClass = {cs.RO},
  url = {https://arxiv.org/abs/2610.15548}
}

论文与代码版权归原作者;引用及许可请以原始来源为准。

相关研究

2021-06 · Microsoft · 研究论文署名机构 · Microsoft / Carnegie Mellon University 🇺🇸 美国

LoRA:大语言模型的低秩适配

LoRA: Low-Rank Adaptation of Large Language Models

冻结预训练权重,仅学习低秩更新,以减少适配模型时需要训练的参数。

2022-03 · Google · 研究论文署名机构 · DeepMind 🇬🇧 英国

训练计算最优的大语言模型

Training Compute-Optimal Large Language Models

研究如何在固定训练计算预算下,平衡模型规模与训练数据规模。

2022-05 · Academic · 研究论文署名机构 · Stanford University / University at Buffalo 🇺🇸 美国

FlashAttention:具备 IO 感知能力的快速、内存高效精确注意力

FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness

通过减少内存访问开销,在保持精确注意力计算的同时提高效率。