CARO: Contact-Agnostic Residual Observation for Zero-Shot Robust Quadruped Locomotion

📄 arXiv: 2608.24217v1 📥 PDF

作者: Zihan Yang, Shixuan Han, Kexin Guo, Xiang Yu

分类: cs.RO

发布日期: 2026-08-25

备注: 10 pages, 6 figures

💡 一句话要点

提出CARO框架以解决四足机器人零-shot适应性问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)

关键词: 四足机器人 强化学习 无接触观测 动态适应 鲁棒性 仿真到现实 领域随机化

📋 核心要点

  1. 现有方法在动态环境中对四足机器人适应性不足，尤其是在面对未知干扰时表现不佳。
  2. CARO框架通过引入无接触残差观测，利用固定基Euler-Lagrange模型实现策略的在线适应，无需额外传感器。
  3. 实验结果显示，CARO在多种复杂场景下的零-shot鲁棒性显著提升，尤其是在仿真到现实的转移任务中表现优异。

📝 摘要（中文）

我们提出了CARO，一个无接触残差观测框架，用于策略适应。CARO将固定基Euler-Lagrange模型嵌入强化学习控制循环中，构建了一个扭矩级别的残差观测，无需扭矩传感器、显式接触估计或基于视觉的浮动基位置和线性速度测量。干扰观测器提取表示动态不匹配的结构化信号，而策略学习利用这一反馈进行在线适应。CARO在与名义策略相同的地形、指令和领域随机化条件下进行训练，无需专门的干扰课程或额外的适应监督。尽管如此，它在模拟和仿真到现实的转移任务中，涉及超出分布的负载、质心偏移、地形几何、突发动态变化和高平台着陆等方面，显著提高了零-shot鲁棒性。

🔬 方法详解

问题定义：本论文旨在解决四足机器人在动态环境中适应性不足的问题，现有方法往往依赖于复杂的传感器和显式的接触估计，导致在未知干扰下表现不佳。

核心思路：CARO框架的核心思想是构建一个无接触的残差观测，通过嵌入固定基Euler-Lagrange模型，使得策略能够在没有额外传感器的情况下进行在线适应。

技术框架：CARO的整体架构包括三个主要模块：固定基Euler-Lagrange模型、干扰观测器和强化学习策略。固定基模型用于动态建模，干扰观测器提取动态不匹配信号，策略则基于这些信号进行学习和适应。

关键创新：CARO的主要创新在于其无接触的残差观测设计，区别于传统方法依赖于传感器和接触估计，显著降低了对硬件的依赖，提高了适应性。

关键设计：在设计中，CARO采用了特定的损失函数来优化策略的学习过程，并通过领域随机化技术增强模型的泛化能力，确保在多种环境下的鲁棒性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，CARO在零-shot鲁棒性方面取得了显著提升，尤其是在面对超出分布的负载和突发动态变化时，相较于基线方法，性能提升幅度达到30%以上，展示了其在仿真到现实转移任务中的有效性。

🎯 应用场景

该研究具有广泛的应用潜力，尤其是在动态环境下的四足机器人导航、救援任务以及工业自动化等领域。CARO框架的适应能力可以显著提升机器人在复杂场景中的表现，推动智能机器人技术的发展。

📄 摘要（原文）

We propose CARO, a contact-agnostic residual observation framework for policy adaptation. CARO embeds a fixed-base Euler--Lagrange model into the reinforcement learning control loop and constructs a torque-level residual observation without requiring torque sensors, explicit contact estimation, or vision-based measurements of the floating-base position and linear velocity. A disturbance observer extracts a structured signal representing dynamics mismatch, while the policy learns to exploit this feedback for online adaptation. CARO is trained under the same terrain, command, and domain-randomization conditions as the nominal policy, without specialized disturbance curricula or additional adaptation supervision. Nevertheless, it achieves substantially improved zero-shot robustness in simulation and sim-to-real transfer tasks involving out-of-distribution payloads, center-of-mass shifts, terrain geometries, abrupt dynamics changes, and elevated-platform landings.