LIMBO：人形机器人学习内化无模型安全屏障

2026年10月16日，Jake Gonzales等作者在arXiv cs.RO提交论文预印本，提出LIMBO全身控制安全框架。该框架从黑盒状态转移中学习状态-动作控制障碍函数（Q-CBF），并将安全结构蒸馏进任务策略，无需部署时的在线安全滤波器。作者在29自由度人形机器人上演示了躲避球规避和低障碍物下运动控制，两种场景下学习到的策略均成功迁移到硬件，且不使用在线安全滤波。作者称这表明学习式安全综合可扩展到敏捷全身控制。报道还提到，调整采样集中度可产生从下蹲到后仰limbo动作的不同策略。目前进展为预印本发布，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。