Perceptive Humanoid Parkour (PHP)：用 motion matching 把零散的人体动作「编织」成长跑路线
🎯 为什么重要：人形 parkour 一直卡在「数据稀疏」
四足 parkour 已经能在复杂障碍场上跑（ANYmal Parkour、Extreme Parkour），但把同样思路搬到人形上一路碰壁。根本原因不是算力，而是训练数据：
- 数据稀疏：人体高速、接触丰富的动作（爬墙、跳马、空翻）需要专业捕捉场地和运动员，每个动作往往只有 1-2 次演示，每次几秒。
- 技能异质：不同动作（走、跑、爬、跳）在状态空间里是互不相交的小岛，怎么从一个动作过渡到另一个是开放问题。
- RL 探索困难：高动态动作依赖几步内的爆发性扭矩，RL 难以从随机探索中发现这种解。
PHP 的回答分两层：
① 数据层：用 motion matching 在稀疏原子技能间生成大量过渡，把「孤岛」连成「路网」；
② 训练层：先训多个 motion-tracking 教师（用特权观测），再蒸馏成单个 depth 学生，蒸馏时混入 RL 信号（不只是 DAgger）。
💡 核心思想：把游戏工业的 motion matching 搬到机器人
Motion matching 是游戏工业（Gears of War、For Honor）用了十几年的成熟技术：每一帧从动作库里找一段最匹配当前姿态 + 期望未来轨迹的动作，无缝播放。它不学模型、不训网络——纯最近邻搜索，但生成质量高、可控性强。PHP 把它拿来当离线数据增广工具。
🛠️ 让 PHP 跑通的三个关键设计
| 设计 | 心智 | 为什么必要 |
|---|---|---|
| ① Locomotion 作为通用枢纽 | 所有技能链路都走「Locomotion → 技能 → Locomotion」的形式，不在两个不同技能间直接过渡 | 若要 N 个技能两两过渡，需 O(N²) 个过渡片段；通过 locomotion 中转只要 O(N)。Locomotion 是一个共享 manifold，能从不同步态相位/速度/方向进入任一技能 |
| ② 蒸馏 = DAgger + PPO（不只是 DAgger） | Loss = λ_PPO·L_PPO + λ_D·L_D，课程从纯 DAgger 渐渐加 PPO | 纯 DAgger 学不出爬墙那种需要瞬间爆发扭矩的动作——对称的高/低位置 root 轨迹逐步 imitation loss 一样，但只有高的那个能上墙。RL 用episode 成败提供信号，鼓励出爆发扭矩 |
| ③ Adaptive Sampling + relaxed termination | 专家训练时按失败率重采样起点；学生训练时放宽 termination 阈值（0.5m → 1m） | 高动态技能（爬墙、跳马）训练初期大量失败，不重点采样永远学不会；学生蒸馏时若 termination 太严，镜像模式（左腿换右腿起跳）会被错误终止，引入巨大 reward 方差 |
论文做了一个重要的消融（§IV-B 3）：如果先用 DAgger + RL 训练，后期把 DAgger 去掉只用 RL——策略会很快变得「抖动、不自然」。原因是高维动作空间下，纯 RL 没有足够信号约束逐帧动作合理性，DAgger 是关键的「正则项」。这与「先 DAgger 后 RL fine-tune」的常规做法不同——PHP 强调两者必须一直混着。RL 只是用来"鼓励爆发"，不是用来"重新探索"。
📊 结果：人形 parkour 的当前 SOTA
| 维度 | 数字（来自论文 Fig.4 / Table I / Table II） |
|---|---|
| 高墙爬升 | G1（1.3 m 高）爬上 1.25 m 墙（96% 身高），3.63 秒完成；与人类 parkour 选手时间相当 |
| 跳马 / 越障 | 0.4 m 高 × 0.5 m 障碍，0.8 秒从 toe-off 到 toe-on，前进 > 2 m（154% 身高），峰值速度 3.41 m/s |
| 长跑酷课程 | 60 秒连续穿越多障碍场，自主技能选择 + 无缝过渡 |
| 闭环适应 | 执行中随机位移障碍 0.5 m，策略能在线调整接近策略，仍完成穿越 |
| 关键消融 | 纯 DAgger（无 RL）76cm 障碍成功率 3%；DAgger+RL 90-95%（Table II） |
| baseline 对比 | 纯 RL velocity tracking：36cm 小障碍 100% 但更高全失败；无 motion matching 数据：58cm 障碍 2% |
🌐 在领域中的位置
PHP 是「人形 parkour 走向实用」的标志性工作。它第一次同时实现了：高动态（爬身高墙、3.4 m/s 越障）、长时程（60 秒多障碍）、感知驱动（用 depth 自主决策）、真机部署（zero-shot sim2real）。技术栈上，它把游戏工业的 motion matching 引入机器人领域，为后续数据稀缺场景（如精细 manipulation）提供了「稠密化稀疏数据」的范式。关联线索：T12 motion matching 谱系。
❓ 常见误区
Motion matching 听起来很「low」——它就是最近邻搜索，为什么不用扩散模型 / VAE / Transformer？
这正是论文的妙处。越简单的方法在低数据 regime 下越鲁棒。扩散模型 / MDM 在大量数据下能生成自然过渡，但在 parkour 这种「每个动作 1-2 次捕捉」的场景下，生成质量会显著退化（论文 §II-B 明确讨论这点）。Motion matching 是纯检索——它不发明新动作，只「重新组合」已有动作，所以保证物理可行。这正是稀缺数据下需要的特性。
1.25 m 墙真的算高吗？G1 1.3 m，那只是和自己一样高啊。
对人来说不算高，但对当前的人形机器人控制来说是巨大突破。注意三点：① 这是真机不是仿真；② G1 的手臂/手设计很简单，没有能抓住墙沿的夹持器，靠的是整个身体贴上去 + 摩擦；③ 论文用人类 parkour 选手做对比，机器人爬墙时间与人类相当——这是「人形机器人达到人类水平敏捷性」的标志事件。
为什么不直接端到端 RL 训练？非要 teacher-student + motion matching 这么复杂？
论文 Table I 的 baseline 给了答案：纯 RL velocity tracking 在 36 cm 障碍上能成功，但 58 cm 以上完全失败——它只学「迈步」，不会用上身支撑。End-to-end depth baseline（有 motion matching 数据但用 RL from scratch）在 58cm 上只有 19% 成功率。多阶段 pipeline 不是过度设计，是当前技术下的必要工程：每个阶段解决一个具体问题（数据稀疏、探索困难、感知迁移）。