T12 · 敏捷 Locomotion（Parkour 链 + 剧烈动作）

一、这条线索在解决什么

四足 locomotion 在 2022 年前后已经把「稳走」做到了工业级——ETH 三件套（system ID + teacher-student + DR + curriculum）让 ANYmal 在野外森林、雪地、工地上长时间部署。看起来问题「解决了」。但只要把任务从「稳走」推到「跳起来」，整条技术栈立刻显得苍白：稳走依赖的是连续、准静态、低运动学放大的接触——一只脚轻轻落地，接触偏差被腿的柔顺吸收；而跳跃、攀爬、翻滚这类敏捷动作（agile locomotion / parkour）的共同特征是「接触瞬间短、运动学放大系数极高」——0.01 秒的足底接触角度偏差，会让整个腾空轨迹完全不同，落地不是过头就是不到位。

这是为什么本线索必须独立于 T01（sim-to-real）和 T03（reward）单独存在：敏捷动作和平稳走路不是同一个问题的两个难度档，而是两类结构上完全不同的控制问题。它们在 reward 形态、感知需求、policy 容量、sim-real 难度上都有质变。把 parkour 当成「在平地 walking 上加大障碍」是常见误解——Extreme Parkour、ANYmal Parkour 这一系列工作之所以重要，正是因为它们发现 agile 与 stable 在训练范式上需要彻底分家。

本线索聚焦三个维度：(a) 敏捷性——多极限 skill 怎么从单一 policy 涌现、怎么用 motion prior / 蒸馏编排；(b) 感知-动作耦合——高速运动下感知延迟与执行频率的矛盾；(c) 剧烈动作的 sim-real 物理——DR 够不够、ASAP 的 residual delta 路线是否是新范式。与 T01 的边界：T01 讲 sim-to-real 的迁移机制本身（DR/system-ID/RMA/ASAP）；本线索只在涉及敏捷动作时引用 sim-real 手段，重点在敏捷性的运动学结构与多技能编排。与 T04（motion prior）的边界：T04 讲 reference motion 怎么进入 policy；本线索讲 reference 被用来支撑的敏捷技能本身。

二、时间线（关键转折点）

四足 parkour 这条线从 2022 年开始爆发。最早的伏笔是 MIT 的 Walk These Ways [Margolis et al. 2022, CoRL]——它没有跳，但提出了 MoB（Multiplicity of Behavior）：单一 controller 在运行时通过 command vector 调出多种步态（走、跑、蹦、跳高）。这是「单 policy 多技能」思想第一次成形，为后来的 unified parkour policy 铺路。

真正的转折是 2023 年的 CMU Extreme Parkour [Cheng et al. 2023, arXiv:2309.14341]（详见 P-ExtremeParkour-2023.md）。它用一颗前向深度相机 + 单一 unified policy，让廉价 A1 学会跳 2 倍身高、跨 2 倍体长、跑倾斜坡、倒立。核心机制是 asymmetric imitation + dual distillation：teacher 在仿真里看特权信息（scandots、接触、base 真值），student 只看本体感受 + 单张深度图；二者观测空间彻底错配，却要对齐同一组动作。蒸馏走两条路：动作走 DAgger、朝向走 BC + multi-step supervision（MTS）。配合 unified inner-product reward + ROA（Regularized Online Adaptation，RMA 路线） 两阶段训练，单一 policy 涌现出跳/爬/钻/倒立。这是 parkour 从「多 specialist」走向「unified generalist」的分水岭。

几乎同期的 ETH ANYmal Parkour [Hoeller et al. 2023, arXiv:2306.14874] 走了另一条路——把感知做强而非做简：6 个 RealSense + Velodyne LiDAR 点云喂给 3D voxel encoder-decoder neural scene representation（coarse 12.5 cm 自回归 + high-res 6.25 cm 双分辨率），输出再派生出 2.5D elevation map 喂给 locomotion。locomotion policy 单阶段训练（直接吃 elevation map + ≤7.5 cm 扰动），不走 teacher-student 蒸馏——teacher-student 是前作 ANYmal-C [7] 的路线。policy 显式拆成 walk / jump / climb up / climb down / crouch 五个 specialist skill，由 navigation policy 的 categorical output 学出切换（不做 perception pipeline 硬规则触发）。它的 philosophy 是「感知越准、skill 越专」，与 CMU 的「感知越简、policy 越统一」形成鲜明对照。ANYmal Parkour 发表在 Science Robotics 2024，是把 parkour 推到「工程化可重复」的代表（详见 P-ANYmalParkour-2023.md）。

但 unified 和 specialist 都面临同一个问题：技能一旦变多（>4 个），reward 互相干扰、policy 容量撑不住。2025 年的 Parkour in the Wild [Rudin et al. 2025, arXiv:2505.11164] 给出第三种范式：多专家蒸馏 + RL fine-tune。Stage 1 用 DAgger 把多个 specialist（jump、climb、crawl、leap……）蒸馏进一个 generalist student；Stage 2 用 RL fine-tune 在野外数据上恢复 specialist 各自的极限性能 + 学会泛化。它把 CMU 的「unified reward」和 ETH 的「specialist」折中——训练时分专家、部署时单 policy，并且 outdoor 验证。

人形 parkour 是 2025 才真正启动的新战线。难点是人形的重心高、双脚支撑相窄、一旦失误没有「四条腿保命」。早期工作如 Humanoid Parkour Learning（Ziwen Zhuang 团队）用 single vision-based end-to-end WBC policy 实现了跳上 0.42 m 平台、跨栏、0.8 m/s 跑，是首个人形 parkour 真机 demo。2026 年 Hiking in the Wild [Zhu, Zhuang et al. 2026, arXiv:2601.07718] 把它推到「scalable perceptive parkour for humanoid hiking」；同期 Perceptive Humanoid Parkour (PHP) 用 motion matching 把多个动态 skill 串联成长程 parkour。但整体上人形 parkour 仍处在「单 skill 能 demo、连续 chaining 还摔」的阶段。

剧烈动作的 sim-real 是另一道独立难题。DR 在敏捷动作上明显不够——接触瞬间的偏差太细，DR 范围再宽也覆盖不到。2025.02 的 ASAP [He et al. RSS 2025, arXiv:2502.01143] 提出 residual delta dynamics：先在仿真训 motion tracking policy，部署真机收集 $(s_t, a_t, s_{t+1}^{\text{real}})$，训一个 transformer 学一个 delta action $\Delta a$，使修正后的仿真 $\hat{s}_{t+1} = f_{\text{sim}}(s_t, a_t + \Delta a)$ 对齐真机，再用「修正过的仿真器」fine-tune policy（详见 P-ASAP-2025.md）。这是 sim-to-real 哲学的第四次转向（详见 T01 转折 6），对剧烈动作是当前最强答案。

最后两条支线：Fall recovery（摔倒起身）和多技能统一。前者由 PHC [Luo et al. ICCV 2023, arXiv:2305.06456] 在仿真里率先做出 perpetual control + 自然起身（详见 P-PHCUHC-2023.md），真机端的 Learning Getting-Up Policies [He et al. 2025, arXiv:2502.12152] 在 Unitree G1 上首次实现 human-sized 人形真机起身——两阶段 RL（先无约束学滚翻/起身、再 refine 到真机可部署）。后者由 Walk-These-Ways MoB 思想延伸到 BeyondMimic [Liao et al. CoRL 2025, arXiv:2508.08241]：可扩展 RL motion tracking + guided diffusion，从人类动捕学到通用、自然、高动态 whole-body 控制，是当前人形多技能统一的最远端（详见 P-BeyondMimic-2025.md）。

三、关键转折的深度解析

转折 1：从「稳走」到「敏捷」——为什么是两个世界（2022, Walk These Ways）

前作的缺陷：ETH 三件套的 walking policy 在 reward 设计上以「追踪参考速度 + 保持 upright + 能耗最小」为核心。这种 reward 在低速、连续接触下工作，但一旦要求机器人跳起来，reward 信号立刻崩溃——「upright」项会惩罚腾空相、「能耗」项会惩罚爆发力。本质问题是稳走 reward 假设了「任何时候都贴地」，而敏捷动作必然有腾空。

新方法的核心 idea：Walk These Ways [Margolis et al. 2022] 不做 parkour，但提出一个关键思想——单一 policy 可以通过 command vector 在运行时切换步态（MoB，Multiplicity of Behavior）。command 包括步频、duty factor、足摆幅等 gait 参数，policy 学会按 command 输出对应步态。这意味着 policy 容量足够容纳多种行为，只差如何「触发」。

为什么是突破：它打破了「一个 policy 一种步态」的旧观念，证明了 generalist controller 在四足上的可行性。后续 Extreme Parkour 的 unified policy、Parkour-in-the-Wild 的蒸馏式 generalist 都建立在「单 policy 多行为」的前提上——这个前提是 MoB 第一次证实的。

留下的新问题：MoB 的 command 是连续步态参数，无法处理离散 skill（跳 vs 爬）。从「连续步态调参」到「离散极限 skill」的跨越，留给 Extreme Parkour。

转折 2：Extreme Parkour——asymmetric imitation 的分水岭（2023）

前作的缺陷：要学极限 parkour，要么走多 specialist（ETH 路线，感知昂贵、skill 切换生硬），要么走纯本体感受（盲走，跳不起来）。两条路都卡在「单深度相机 + 单 policy 学不会多极限 skill」。

新方法的核心 idea：见 P-ExtremeParkour-2023.md。要点是 asymmetric imitation + dual distillation——privileged teacher（看 scandots、接触、base 真值）→ student（仅本体感受 + 单张深度图），二者观测空间彻底错配但动作对齐。动作蒸馏走 DAgger、朝向蒸馏走 BC + MTS。配合 unified inner-product reward、ROA（Regularized Online Adaptation，RMA 路线）两阶段训练，单一 policy 涌现出跳/爬/钻/倒立。

为什么是突破：(1) 首次证明单相机 + 单 policy 能达多极限 skill；(2) <20 小时单 GPU 训完，全开源，parkour 民主化；(3) asymmetric imitation 范式被后续几乎所有 parkour 工作继承。

留下的新问题：unified reward 多 skill 互相干扰、单深度相机在反光/暗光下失效、剧烈接触 sim-real gap 未解决、失误即摔无 recovery。

转折 3：ANYmal Parkour——感知做强、skill 做专的对偶路线（2023）

前作的缺陷：Extreme Parkour 的单深度相机 + unified policy 在感知精度和 skill 数量上都有上限——相机一瞎就摔、skill 一多 reward 就打架。

新方法的核心 idea：ANYmal Parkour [Hoeller et al. 2023, arXiv:2306.14874] 反向操作——感知越准、skill 越专。perception module 是基于前作 [3] 的 3D voxel encoder-decoder neural scene representation，关键改造为多分辨率：coarse 网络（voxel 12.5 cm、map 4 m³、带自回归反馈——能跨帧累积证据，钻进桌下后仍记得头顶有桌子）+ high-res 网络（voxel 6.25 cm、map 2 m³、不做自回归，输入已含 coarse 末层特征）；elevation map 只是从 3D 重建派生出的 2.5D 中间格式喂给 locomotion，不是感知主路径。locomotion policy 单阶段训练（直接吃 2.5D elevation map + 单点噪声 + ≤7.5 cm 三轴位移扰动），不走 teacher-student 蒸馏——teacher-student 是前作 ANYmal-C [7] 的路线，本论文没用。policy 显式拆成 walk / jump / climb up / climb down / crouch 五个 specialist skill（climb 拆 up/down 是因为 reward、termination、训练场景都不同——climb down 必须加高冲击力 termination 防学到「直接跳下」，climb up 允许 knee/base 接触），每个 skill 单独训练、reward 不互相干扰。关键改造：symmetry augmentation——基于 [44] 的对称 duplication 但解决了 off-policy 收敛问题（作者把原动作概率直接赋给所有对称变体，等价 warm bootstrap），让 position-based 训练不致于只学前向、遇后向就绕掉。skill 切换由 navigation policy 的 categorical output 学出——作者修改 PPO actor 最后一层 split 成 Gaussian（连续 command）+ Categorical（5 skill 选择概率）两支，部署时取 Gaussian 均值 + categorical argmax；perception module 只提供 latent belief state，不做硬规则触发。

为什么是突破：它把 parkour 推到「工程化可重复」水平（Science Robotics 2024），证明精确感知 + specialist 切换在真实户外可靠工作。与 Extreme Parkour 形成 philosophy 对照：做感知还是做 policy 统一，是 parkour 设计的两个对极。

留下的新问题：specialist 切换生硬（不能 chaining）；LiDAR + 多相机昂贵、不利于小人形；skill 数量继续增长时 specialist 训练成本线性涨；整套 pipeline 含 8 个神经网络 + 串行依赖，迭代成本高（作者明确写「未来需要 simultaneous training」）。

转折 4：Parkour in the Wild——多专家蒸馏 + RL fine-tune 的折中（2025）

前作的缺陷：unified policy（CMU）skill 多了打架；specialist（ETH）skill 多了切换生硬、不能 chaining。两者都卡在「想要单 policy 又想保极限性能」。

新方法的核心 idea：Parkour in the Wild [Rudin et al. 2025, arXiv:2505.11164] 分两阶段。Stage 1 多专家蒸馏：先训一组 specialist（jump、climb、crawl、leap……每个用 Extreme Parkour 式 asymmetric imitation 训），再用 DAgger 把它们蒸馏进一个 generalist student——student 学到的是「在什么地形下做什么 skill」的统一映射。Stage 2 RL fine-tune：用 RL 在 specialist 数据 + 野外地形上继续优化 generalist，恢复蒸馏损失的极限性能 + 学会分布外泛化。

为什么是突破：它把 unified 和 specialist 的优点合并——训练时分专家（reward 不打架）、部署时单 policy（无切换）、且通过 RL fine-tune 在户外验证。作者强调「general and extensible」：新 skill 加进来只需训一个新 specialist 再蒸馏，不必重训整个 policy。

留下的新问题：specialist 训练成本仍是 N 倍；蒸馏有信息损失，RL fine-tune 阶段需要谨慎 curriculum；chain 长了仍会累积误差。

转折 5：人形 Perceptive Parkour——重心高、双脚窄的新战场（2025-2026）

前作的缺陷：四足 parkour 的所有 trick（unified policy、specialist、多专家蒸馏）都建立在「四条腿保命」的前提上——失误时四足总能用三条腿撑住。人形没有这个 safety net：重心高（CoM 在腰部以上）、双脚支撑相窄、单脚支撑相是动态不稳定平衡，一旦失误就是自由落体。

新方法的核心 idea：早期 Humanoid Parkour Learning（Zhuang 团队）用 single vision-based end-to-end WBC policy，让人形跳上 0.42 m 平台、跨栏、0.8 m/s 跑。2026 年 Hiking in the Wild [Zhu, Zhuang et al. 2026, arXiv:2601.07718] 推到 scalable perceptive parkour for humanoid hiking，强调从「reactive proprioception」转向「proactive Perception」。同期 Perceptive Humanoid Parkour (PHP) [Wu et al. 2026, arXiv:2602.15827, RSS 2026] 用 motion matching 把多个动态 skill 串成长程 parkour——这是把四足的「多专家蒸馏」思想在人形上换了个实现（motion matching 取代 DAgger）。

为什么是突破：人形 parkour 从「单 skill demo」迈向「多 skill chaining」，且首次在户外 hiking 这种长程任务上验证。

留下的新问题：人形 parkour 仍处在「单 skill 能 demo、连续 chaining 还摔」的阶段；安全约束（不能摔机器人）让数据收集极困难；与四足相比缺乏成熟 sim-real 基础设施。

转折 6：剧烈动作的 sim-real——DR 不够，ASAP 残差登场（2025）

前作的缺陷：剧烈动作（跳、翻滚、踢打）的接触瞬间短、运动学放大系数高，0.01 秒的接触角度偏差会让整个翻滚轨迹完全不同。DR 覆盖不了这么细的接触分布——DR 范围再宽也只是分布，分布之外的真机一接触就发散。Extreme Parkour 之类的工作本质上是「策略学得很保守」硬扛 gap，并不是真正解决了剧烈动作的 sim-real。

新方法的核心 idea：ASAP [He et al. RSS 2025, arXiv:2502.01143] 走「让仿真器学 gap」而非「让策略适应 gap」。三阶段（详见 P-ASAP-2025.md）：Stage 1 在标准仿真（MuJoCo/Isaac）训 motion tracking policy（用人类动捕 reference），部署到真机收集 $(s_t, a_t, s_{t+1}^{\text{real}})$ 三元组；Stage 2 训一个 transformer delta action model 预测 $\Delta a$，使修正后的仿真 $\hat{s}_{t+1} = f_{\text{sim}}(s_t, a_t + \Delta a)$ 对齐真机 $s_{t+1}^{\text{real}}$；Stage 3 把 delta 模型集成进仿真器，在「修正过的仿真器」里 fine-tune policy，迭代若干轮（最终部署时不需要 delta 模型）。结果：人形实现踢球、跳跃、转体等此前迁不过去的动作。

为什么是突破：这是 sim-to-real 哲学的第四次转向（DR→system-ID→RMA→ASAP，详见 T01）。它把 gap 当成可学习的残差动力学，用 learned delta 替代人工逐项 system ID——既保留精确性又避免人工调参。对剧烈动作是当前最强答案。

留下的新问题：delta model 是 transformer，推理成本高；只学确定性 delta，对随机性接触（沙地、碎石）仍困难；迭代轮数和数据量门槛高。

转折 7：Fall Recovery——剧烈动作的「失败兜底」（2023-2025）

前作的缺陷：所有 parkour policy 一旦失误就摔，没有起身能力。剧烈动作的失误率本身就高，没有 recovery 就没法在真机上反复试错收集数据。

新方法的核心 idea：分两支。仿真侧：PHC [Luo et al. ICCV 2023, arXiv:2305.06456] 提出 Perpetual Humanoid Control——一个 motion imitator 能从 10k+ 动捕片段学习，并自然恢复 fail-state（摔倒、远离参考）。机制上 PHC 把「fall recovery」当成 motion tracking 的副产品：当 humanoid 偏离参考进入 fail-state，policy 仍能滚动起身并走回参考附近继续追踪（详见 P-PHCUHC-2023.md）。真机侧：Learning Getting-Up Policies [He et al. 2025, arXiv:2502.12152] 在 Unitree G1 上首次实现 human-sized 人形真机起身——两阶段 RL：(1) Stage 1 不考虑部署约束，让 policy 自由学滚动/俯卧撑/起身；(2) Stage 2 加入真机约束（关节限位、自碰撞、电机扭矩）refine。

为什么是突破：它补上了剧烈动作的「最后一公里」——即便失误也能恢复，让真机反复试错成为可能。PHC 在仿真里证明了 recovery 可以从 motion tracking 自然涌现；Getting-Up 在真机上证明了人形起身可工程化。

留下的新问题：起身动作仍偏慢（秒级），高速失误（摔下楼梯）来不及；起身 policy 与主 locomotion policy 的平滑切换还没解决。

转折 8：多技能统一——从 MoB 到 BeyondMimic（2022-2025）

前作的缺陷：每多一个 skill 就多训一个 specialist 或多加一项 reward，policy 容量和 reward 调参都线性恶化。能否有一个「motion prior 驱动」的统一框架，让 skill 从数据里涌现？

新方法的核心 idea：BeyondMimic [Liao et al. CoRL 2025, arXiv:2508.08241] 把 motion tracking 和 guided diffusion 结合——可扩展 RL motion tracking 学会追踪大规模人类动捕，guided diffusion 在 motion 空间生成新 skill（详见 P-BeyondMimic-2025.md）。结果是单一框架从人类动作学到通用、自然、高动态 whole-body 控制。关键真机数据：Unitree G1 完成 aerial cartwheel（airborne phase 峰值加速度 31 m/s²、pelvic angular velocity 峰值 20 rad/s、mean 7.01 rad/s——对比 skilled human aerial cartwheel 平均 7.75 rad/s，已达到人类水平），并能连续两次 cartwheel、连续 5 次 Ronaldo celebration jump-turn；GRF（ground reaction force） walking 呈现 heel-strike + push-off 双峰、running 呈现单峰，shape 与人类 force-sensing treadmill 数据对齐。这是 MoB 思想的远端延伸：MoB 用 command vector 调步态，BeyondMimic 用 motion prior + diffusion 生成 skill。

为什么是突破：它把「多技能」从「手工 reward + specialist」推到「motion prior 驱动的生成」，是当前人形 whole-body 多技能的最远端。

留下的新问题：diffusion 推理延迟高，实时控制困难；motion prior 质量决定上限；与 VLA 的接口还在磨合。

2026 最新进展

2026 上半年敏捷 locomotion 沿「步态连续生长 / 多技能无缝切换 / 受限落脚点 hybrid 控制鲁棒 / parkour 长时序编排」四条轴线深化——把「每种步态/技能训一个 specialist」的老路推到收口：

• GaitSpan：从 walking「生长」出 running（不重训）：GaitSpan [Lin et al., arxiv:2607.12114]（Stanford + Google LeCAR Lab）是技能成长框架——不重新训练，而是在已训好的 walking policy 基础上「生长」出慢跑/跑；支持连续速度命令、多地形、多形态的灵活扩展。跳出「每种步态训一个策略」或「用步态调度器拼接」的老路，首次把「技能连续生长」做成人形 locomotion 的可扩展范式——直接回应第二节「四足 Walk-These-Ways MoB 思想」的人形版本落地。
• Switch：图驱动多技能无缝切换：Switch [Lau et al., arxiv:2604.14834]（HKUST Tan 组）是层级多技能系统——Skill Graph 基于多技能数据的运动学相似性建立潜在跨技能转移边，全身跟踪策略基于 skill graph 用 RL 训练，online skill scheduler 通过图搜索实时驱动策略执行与平滑切换。解决了现有 whole-body control 难以在任意时刻无缝切换技能的安全性问题；图搜索调度器在跟踪偏离时找最优可行路径——为多技能人形 RL 提供了实用框架。
• Walk-PLANC：把控制 Lyapunov 结构注入 RL（× T01 hybrid control）：Walk-PLANC [Dai et al., arxiv:2601.06286]（Caltech Ames 组）用 LIP（Linear Inverted Pendulum，含角动量状态）简化阶次模型在线生成动力学一致的步态目标（落脚点、重心轨迹、step timing、摆动足），通过 Control Lyapunov Function (CLF) reward 把这些结构化目标注入 RL 训练，实现人形在 stepping stones / beams / planks 等受限落脚点上的精确敏捷行走并在硬件验证。把基于物理的控制 Lyapunov 结构以 reward 形式注入 model-free RL，是 hybrid control 与 RL 融合方向的代表性工作——为受限落脚点行走这种长尾场景提供可验证的新范式。
• Stubborn：跟踪 + fall recovery 合一（解决多阶段割裂）：Stubborn [Ren et al., arxiv:2606.12814]（SYSU + Shanghai AI Lab）是统一的人形 RL 框架，用非对称 actor-critic 把 motion tracking 与 fall recovery 合一训练。三项关键设计：yaw-aligned 跟踪表示、Bernoulli 概率终止机制鼓励失稳状态探索、概率终止 + 跟踪误差驱动的自适应采样。打破现有方法把跟踪与恢复割裂、多阶段训练且一旦失败立即终止的局限，单策略即可在扰动下保持跟踪并恢复——是 2026 人形 RL 鲁棒性方向的重要方法学进展。同期的 Unified Walking, Running, and Recovery [Lu et al., arxiv:2605.18611] 用 state-dependent AMP 把行走/奔跑/跌落恢复统一进单 policy，是 AMP 状态自适应变体的工程化代表。
• Perceptive Humanoid Parkour（PHP）：长时序技能编排（× T07/T04）：PHP [Wu et al., arxiv:2602.15827]（UC Berkeley Abbeel + Sferrazzza）是模块化框架：用 motion matching 把多个动态人类技能（跳跃、翻越、爬升）按需串接，配合 RL 蒸馏得到高动态长时序 parkour 策略。在 Unitree G1 上仅靠本体感受 + 单/多相机即可自主穿越多障碍长序列。继 Humanoid Parkour Learning / Hiking-in-the-Wild 之后最有影响力的感知 parkour 工作——把「单技能 policy」推进到「长时序技能编排」，是迈向通用 parkour agent 的关键一步。同期的 OmniXtreme [arxiv:2602.23843] 用「解耦通用运动技能学习 + sim-to-real 物理技能精修」两阶段框架覆盖 parkour、体操等极端动态行为，是 BeyondMimic 之后在「generality vs fidelity」上的关键突破。
• 人形 parkour 的 2026 突破（多接触 + 长时序 + 主动感知）：Locomotion Beyond Feet [Yang et al., arXiv:2601.03607]（Stanford，Shuran Song / C. Karen Liu）让人形用脚之外（手、膝、肘）的全身接触穿越低净空墙与陡梯，跳出「只用脚」范式——把 parkour 从「双脚敏捷」扩到「全身多接触穿越」；ParkourFormer [Mai et al., arXiv:2605.25782]（HKUST-GZ）用 Transformer + 预测监督做人形 parkour（93.85% 成功率）；TAGA [arXiv:2606.05880]（SUSTech）学地形感知主动注视（active gaze），真机 1.2m 跨隙。
• 四足极限敏捷：SSM / MoE 架构进入（× T01）：REAL [Liu et al., arXiv:2603.17653]（清华）用 FiLM 调制的 Mamba 主干 + 贝叶斯刚体状态估计，在 1m 视觉盲区穿越极限障碍、推理仅 13.1ms，把 state-space 模型引入敏捷运动的长时序记忆；Quadruped Parkour MoE [Ziegltrum et al., arXiv:2604.19344]（UCL）用稀疏门控 MoE 在 Go2 上把成功率提到 MLP 的两倍——揭示「不同地形/技能用不同专家」的稀疏路由对 parkour 的增益。

四、相似概念辨析

五、与其他线索的交叉点

• 与 T01 sim-to-real：转折 6（ASAP）在机制上完全属于 T01 转折 6，本线索只在「剧烈动作为什么需要 ASAP」处引用。两者重叠但视角不同——T01 讲 sim-real 哲学演进，本线索讲敏捷动作的物理结构为什么需要这种演进。
• 与 T04 motion prior：转折 5（人形 parkour 的 motion matching）、转折 8（BeyondMimic 的 guided diffusion）都依赖 motion prior 作为 skill 来源。motion prior 是敏捷动作的「目标供给方」。
• 与 T10 VLA-WBC：人形 parkour policy 本质是一种 WBC，是 VLA 的底层执行器。VLA 给「跳过那个台阶」的指令、parkour policy 落地到真机，接口稳定性是开放问题。
• 与 T07 humanoid teleop：Getting-Up、ASAP、人形 parkour 的真机数据收集依赖遥操作（OmniH2O/HOVER）采集 reference motion。遥操作是敏捷动作的「数据入口」。

六、当前局限与开放问题

1. 剧烈动作 sim-real 是否本质无解？ 当前答案是「部分可解、随机性接触仍开放」。ASAP 用 learned residual delta 解决了确定性剧烈动作（踢、跳、转体），证明了 sim-real gap 不是不可学，而是需要在线学习真实物理。但对沙地、碎石、软泥这类随机性接触，delta model 只能学到均值，方差部分仍迁不过去。判断：不是本质无解，但需要 stochastic residual + 可微分接触模型才可能彻底解决，目前还没有工作做到。
2. 人形 parkour 的安全约束。真机失误就摔机器人，数据收集极昂贵；sim 里训出来的 policy 在真机上的「失败率-性能」曲线还没摸清。可能方向：低成本人形（Berkeley Humanoid）+ 安全吊架 + 大规模 sim 预演。
3. 感知-动作延迟下的高速运动。敏捷动作的接触瞬间常 <50ms，而 onboard 感知 pipeline（深度相机 + 推理）延迟常在 30-80ms。这意味着 policy 看到的是「过去的障碍」，跳到的是「未来的位置」。当前工作用 history encoder 隐式补偿，但没显式建模延迟。可能方向：predictive perception（用 world model 预测障碍未来位置）。
4. 单 skill → 连续多 skill chaining。四足 parkour 已能 chaining（Parkour-in-the-Wild），人形还卡在单 skill demo。核心难点是 skill 之间的「过渡态」没有 motion prior 覆盖。可能方向：motion matching + diffusion 在过渡态生成填补动作。
5. unified policy 的容量极限。skill 数量继续增长（>10），单 policy 是否还能保持极限性能？Parkour-in-the-Wild 的「蒸馏 + fine-tune」是否是终局，还是会被 motion-prior 驱动的生成式（BeyondMimic）取代？开放。

七、涉及里程碑论文

• [Margolis et al. 2022] Walk These Ways: Tuning Robot Control with Multiplicity of Behavior (CoRL 2022 · 仅 PMLR proceedings，无 arXiv) —— 单 policy 多步态运行时调参，generalist policy 思想起源。
• [Cheng et al. 2023, arXiv:2309.14341] Extreme Parkour with Legged Robots (ICLR 2024) —— asymmetric imitation 分水岭，单相机单 policy 多极限 skill。详见 P-ExtremeParkour-2023.md。
• [Hoeller et al. 2023, arXiv:2306.14874] ANYmal Parkour (Science Robotics 2024) —— 3D voxel encoder-decoder + 5 specialist skill + 高层 categorical 切换的对偶路线。详见 P-ANYmalParkour-2023.md。
• [Rudin et al. 2025, arXiv:2505.11164] Parkour in the Wild —— 多专家蒸馏 + RL fine-tune，general+extensible。
• [Luo et al. 2023, arXiv:2305.06456] Perpetual Humanoid Control (PHC) (ICCV 2023) —— 仿真侧自然 fall recovery，perpetual control。详见 P-PHCUHC-2023.md。
• [He et al. 2025, arXiv:2502.01143] ASAP: Aligning Simulation and Real-World Physics (RSS 2025) —— residual delta dynamics，剧烈动作 sim-real 突破。详见 P-ASAP-2025.md。
• [He et al. 2025, arXiv:2502.12152] Learning Getting-Up Policies for Real-World Humanoid Robots (CMU LeCAR Lab) —— 首个 human-sized 人形真机起身。
• [Zhu, Zhuang et al. 2026, arXiv:2601.07718] Hiking in the Wild: A Scalable Perceptive Parkour Framework for Humanoids —— 人形 scalable perceptive parkour。
• [Liao et al. 2025, arXiv:2508.08241] BeyondMimic (CoRL 2025) —— motion tracking + guided diffusion，多技能统一的远端。详见 P-BeyondMimic-2025.md。

八、常见误读与边界说明

1. ANYmal Parkour 不是 teacher-student 蒸馏。原文 Sec.IV.B.2 明确「locomotion 单阶段训练，直接吃 perception 输出的 2.5D elevation map + ≤7.5 cm 扰动」；teacher-student 是前作 ANYmal-C [7] 的路线，本论文未用。
2. ANYmal Parkour 感知主路径是 3D voxel encoder-decoder，不是 heightmap。原文 Sec.IV.B.1 明确「multi-resolution encoder-decoder inspired by [3]」，coarse 12.5 cm + high-res 6.25 cm 双分辨率，coarse 带自回归反馈；elevation map 只是从 3D 重建派生出的 2.5D 中间格式喂给 locomotion（出于 50 Hz 高频推理成本）。
3. ANYmal Parkour 有 5 个 specialist skill（非 4 个）。原文 Sec.II.A / Sec.IV.B.2 明确列出「walk / jump / climb up / climb down / crouch」；climb 拆 up/down 是因为 reward、termination、训练场景都不同。
4. Extreme Parkour 的 ROA 是 Regularized Online Adaptation（Kumar et al. RMA 路线，PDF 引用 [9][10]），不是网络上流传的 "Reach-on-Access"；Phase 2 蒸馏只走 DAgger（action）+ BC（heading），无任何重建 head；多 skill 由 unified inner-product reward + 显式 walking flag $W$ 涌现，无「Implicit Alert」开关。
5. 与 T01 的边界：转折 6（ASAP）在 T01 转折 6 也出现，两文档各自侧重不同维度——T01 讲 sim-real 哲学演进，T12 讲敏捷动作的物理结构为什么需要这种演进。