GRAFT: Geometry-Aware Residual Adaptation for Foundation Trackers

📄 arXiv: 2610.36507v1 📥 PDF

作者: Liang Li, Guoyao Zhang, Xingyu Chen, Sikai Wu, Qianyang Wu, Yuhang Lin, Renjing Xu, Mingliang Zhou, Diyun Xiang

分类: cs.RO

发布日期: 2026-10-27

备注: 8 pages, 6 figures, 3 tables. Project page: https://graft-humanoid.github.io/

💡 一句话要点

提出GRAFT框架以解决地形适应性不足问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 人形机器人 地形适应 行为模型 轻量适配器 深度学习 运动控制 机器人导航

📋 核心要点

  1. 现有的人形行为基础模型在适应复杂地形时存在显著不足，主要训练于平坦地面，缺乏灵活的足部放置和接触时机调整机制。
  2. 本文提出的GRAFT框架通过轻量适配器对下肢执行目标进行地形条件修正，避免了重训练整个模型的高成本。
  3. 在模拟和真实环境中，GRAFT在复杂地形上表现出色，能够有效地适应楼梯、间隙和平台等多种地形。

📝 摘要（中文）

人形行为基础模型（BFMs）提供可重用的全身运动先验，但主要训练于平坦地面，缺乏适应局部地形的机制。现有的地形感知BFM方法通过重训练或微调跟踪器与感知结合，导致数据和计算成本高昂。为了解决这一问题，本文提出了GRAFT，一个几何感知的残差适应框架，旨在为冻结的行为跟踪器提供地形适应能力。GRAFT保留了BFM参数和运动参考接口，通过轻量适配器仅对下肢执行目标进行地形条件修正。该适配器通过任务和足部几何奖励进行训练，并在平坦地面上进行正则化以抑制不必要的修正。通过在四个冻结跟踪器上实例化该框架，并在Unitree G1上进行真实世界部署，验证了其在复杂地形上的有效性。

🔬 方法详解

问题定义：本文旨在解决人形行为基础模型在复杂地形适应性不足的问题。现有方法通过重训练或微调跟踪器与感知结合，导致高昂的数据和计算成本，同时将普通跟踪与感知路径耦合。

核心思路：GRAFT框架通过保留冻结的行为跟踪器参数，利用轻量适配器仅对下肢执行目标进行地形条件修正，从而实现高效的地形适应。

技术框架：GRAFT的整体架构包括一个冻结的行为跟踪器和一个轻量适配器。适配器根据任务和足部几何奖励进行训练，并通过正则化抑制在平坦地面上的不必要修正。

关键创新：GRAFT的主要创新在于其几何感知的残差适应机制，能够在不重训练整个模型的情况下，实现对复杂地形的有效适应。这一设计显著降低了地形学习的复杂性。

关键设计：适配器的训练过程中使用了任务奖励和足部几何奖励，正则化损失函数设计用于抑制不必要的修正，确保在平坦地面上保持稳定的执行。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在模拟实验中，GRAFT框架成功适应了楼梯、间隙和平台等复杂地形，表现出显著的性能提升。通过在Unitree G1上的真实世界部署，适应后的SONIC跟踪器能够在不修改参考的情况下有效地穿越多种地形，验证了其实际应用价值。

🎯 应用场景

GRAFT框架具有广泛的应用潜力，特别是在机器人导航、远程操作和人形机器人控制等领域。通过提高机器人在复杂地形中的适应能力，GRAFT能够增强其在实际环境中的表现，推动人形机器人技术的进一步发展。

📄 摘要（原文）

Humanoid behavior foundation models (BFMs) provide reusable whole-body motion priors: given a kinematic reference, they generate coordinated joint commands for motion replay, teleoperation, and VLA control. However, trained primarily on flat-ground motion, BFMs lack an explicit mechanism to adapt foot placement, swing clearance, and contact timing to local terrain. Many terrain-aware BFM approaches address this limitation by retraining or fine-tuning the tracker together with perception, incurring substantial data and computation costs while coupling ordinary tracking to the perception pathway. To bridge this gap, we propose GRAFT, a geometry-aware residual adaptation framework for frozen behavior trackers. GRAFT preserves the BFM parameters and motion-reference interface, while a lightweight adapter adds terrain-conditioned corrections only to lower-body execution targets. The adapter is trained with task and foot-geometry rewards, regularized to suppress unnecessary corrections on flat ground, and distilled from privileged terrain observations to onboard depth. Because the frozen BFM already provides whole-body reference tracking and nominal locomotion, GRAFT reduces terrain learning to a focused execution-adaptation problem. We instantiate the framework on four frozen trackers and evaluate stairs, gaps, and platforms in simulation. We further validate it through real-world deployment on a Unitree G1, where the adapted SONIC tracker traverses terrain with onboard depth and unmodified references.