人形与足式全身运动数据
足式运动数据的核心单位是“机器人—地形—接触”随时间共同变化的过程。相同的目标速度，在颗粒地面、坡屋面、障碍物或悬挂支撑上对应不同的稳定条件。颗粒地形人形行走关注足地作用，SwingBot则关注释放、摆荡和再抓取的接触序列。构建数据集时，不能只保存躯干轨迹和成功标签。
采集、对齐与标注
Section titled “采集、对齐与标注”- 外感与地形：保存 RGB-D、激光雷达（LiDAR）、地面高程或深度图及视场覆盖；标注坡度、颗粒/硬地、落脚区域、可通行空隙与动态障碍。JEPLO利用原始 LiDAR 与本体感觉学习预测地形表征，说明原始观测及其采样时间不能被最终地图完全替代。
- 本体与控制：记录基座姿态、关节位置/速度、估计接触力、执行命令、目标速度和控制周期。全身控制器还应记录参考动作、实际跟踪和安全修正；RECAL研究的正是参考目标有误时的避碰跟踪。
- 动作来源：人体演示、运动捕捉、VR 稀疏命令和仿真生成动作分层存档，保留重定向算法和机器人形态版本。Weave把人—物交互转换为可执行参考，X-WBC则对齐人体运动、机器人参考和 VR 观测；转换后的动作不能覆盖原始示教。
- 事件标注：逐足/逐手标注触地、离地、滑移、绊碰、摆荡抓持和失衡恢复；记录身体或持物与环境的碰撞。多技能序列要标注切换点，足式技能组合将过渡可靠性视为独立问题。
最小数据契约
Section titled “最小数据契约”
| 层级 | 建议字段 | 采集注意点 |
|---|---|---|
| 场景与设备 | terrain_id, surface_class, robot_model, sensor_calibration, sim_or_real |
明确地形参数与机器人质量、驱动限制 |
| 时间序列 | timestamp, base_pose, joint_state, raw_exteroception, command, reference_motion |
各流保留设备时间与统一时间 |
| 接触 | limb_id, contact_state, force_estimate, slip_flag, collision_flag |
实测、动力学估计与仿真真值分开 |
| 结果 | goal_progress, fall_event, tracking_error, energy_proxy, termination_reason |
正常停止、超时、保护停机和跌倒分开 |
场景对齐要允许“未观测到”：遮挡或 LiDAR 空洞不能自动填成安全地面。对人形搬运与全身操作，还要保存持物位姿、手部接触和全身控制意图，WholeBodyWAM与双足移动操作涉及的输出就超出单纯步态标签。
质量控制与评估
Section titled “质量控制与评估”
检查传感器与控制时钟漂移、地形网格与相机坐标错位、接触力异常、标注的触地相位与足端速度不符；仿真数据另外核对摩擦、质量和延迟参数。报告完成率之外，还要分列跌倒/碰撞、目标速度误差、滑移、能源代理指标与恢复时间。接触占空比是一只脚在一个步态周期内保持触地的时间比例。Duty Factor研究步态占空比与约束地形鲁棒性的关系，评估时应保存此项而非只用平均速度。
切分时跨地形布局、材料、机器人形态、动作风格和控制技能组合，而非随机拆分相邻帧。场景对齐动作训练 PASSAGE与动态补全动作增强 OmniMimic都涉及派生运动：应以原始来源分组切分，避免增强版本泄漏。实际部署还需单列屋面坡度 坡地全身运动、机载执行延迟 PredActor和跨介质切换 空地运动控制等条件。
本月论文索引
Section titled “本月论文索引”本页索引收录 2026-08-27 至 2026-09-27 发表、归入本主题的论文。
- MulDP: Multimodal Diffusion Policy for Autonomous Quadruped Parkour Navigation across Complex Terrains（2609.03984）
- Learning Terrain-Adaptive Humanoid Locomotion on Granular Terrain（2609.10286）
- SwingBot: Learning Whole-Body Brachiation for Humanoid Robots（2609.10283）
- Frame-Coded Legged Locomotion over Noisy Terrain（2609.10273）
- Weave: Learning Whole-Body Dexterous Loco-Manipulation from Human-Object Interactions（2609.16683）
- WholeBodyWAM: Generalizing Pre-trained World-Action Priors to Humanoid Loco-Manipulation via WBC-Grounded Coordination（2609.16644）
- Collision-Aware Humanoid Whole-Body Control under Imperfect Tracking Targets（2609.16405）
- JEPLO: Joint-Embedding Predictive Learning for LiDAR-Based Legged Locomotion（2609.15770）
- X-WBC: A Cross-Embodiment Foundation Model for Humanoid Whole-Body Control（2609.15213）
- Skill Composition for Legged Robot Reinforcement Learning（2609.14647）
- EMoG: Emotion-Modulated Gait Generation for Expressive Humanoid Locomotion（2609.14432）
- Decentralized Evolution of Hexapod Gaits with Independent Leg Controllers（2609.12400）
- DWMP: Leveraging Dual World Models for Humanoid Obstacle Traversal（2609.12347）
- Learning Holistic Whole-Body Loco-Manipulation with a Bipedal Mobile Manipulator（2609.18930）
- PASSAGE: Scaling Scene-Aligned Motion Learning for Perceptive Humanoid Traversal in Cluttered Environments（2609.18732）
- OmniMimic: Dynamics-completed Motion Augmentation for Multi-style Omnidirectional Quadruped Locomotion（2609.20566）
- Learning Slope-Adaptive Whole-Body Locomotion for Humanoid Robots in Roofing Construction（2609.20558）
- Duty Factor Predicts Robust Constrained Quadrupedal Locomotion Across Gait Types（2609.22073）
- PredActor: Predictive Action Diffusion for Steerable Onboard Humanoid Control（2609.24840）
- Learning Air-Ground Motion Control with Temporal Mode Switching and Cross-Terrain Tracking（2609.26564）
- ForgetMimic: Motion Unlearning for Reinforcement Learning Humanoid Control（2609.28378）