ReflexArc: Bottom-Up Integration of Instantaneous Tactile Reflexes into Whole-Body Humanoid Control
作者: Mingyu Wang, Si Li, Ziqing Chen, He Wang, Li Yi
分类: cs.RO
发布日期: 2026-11-03
备注: 8 pages, 6 figures
🔗 代码/项目: PROJECT_PAGE
💡 一句话要点
提出ARC框架以解决类人机器人瞬时触觉反射控制问题
🎯 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) 支柱八：物理动画 (Physics-based Animation)
关键词: 类人机器人 触觉反射 全身控制 实时反应 安全性提升 复杂环境 机器人控制
📋 核心要点
- 现有的全身控制策略在应对突发接触时存在延迟，无法及时做出反应，导致保护性撤退失败。
- 本文提出ARC框架，通过瞬时触觉反射与学习的全身控制相结合，实现快速反应和有效撤退。
- 实验结果显示，ARC显著降低了首次力峰值和接触冲量，提升了机器人在复杂环境中的运动保护能力。
📝 摘要（中文）
类人机器人在复杂环境中必须在首次接触峰值到达前做出反应，这通常发生在数十毫秒内。现有的全身控制策略在50 Hz运行时存在策略周期延迟，可能抑制保护性撤退。为此，本文提出了ARC（Ascending Reflex Control）框架，集成了瞬时触觉反射与学习的全身控制。ARC由瞬时反射通路和自下而上的反射集成两部分组成，能够在10毫秒内检测危险接触并直接控制电机。实验表明，与延迟20毫秒的反射相比，ARC将首次力峰值降低了34.1%，接触冲量从0.2632 N s减少到0.1225 N s，提升效果显著。
🔬 方法详解
问题定义：本文旨在解决类人机器人在复杂环境中对突发接触的反应延迟问题。现有方法在50 Hz的控制频率下存在策略周期延迟，导致无法及时进行保护性撤退。
核心思路：ARC框架通过集成瞬时触觉反射与学习的全身控制，能够在接触发生后迅速做出反应，直接控制电机以实现快速撤退。
技术框架：ARC框架包括两个主要模块：瞬时反射通路和自下而上的反射集成。瞬时反射通路负责检测全身触觉传感器的危险接触，并在10毫秒内计算出全身撤退姿态。自下而上的反射集成则结合了反射环路策略学习、反射透明策略对齐和反射信息驱动的策略适应，以维持撤退、保持平衡并完成长时间的恢复。
关键创新：ARC的核心创新在于将瞬时触觉反射与学习的全身控制相结合，形成了一种新的控制策略，能够在极短时间内做出反应，显著提升了机器人的安全性和灵活性。
关键设计：在设计中，ARC通过全身触觉传感器实时监测接触情况，利用优化算法快速计算撤退姿态，并通过直接控制电机实现快速反应。
🖼️ 关键图片
📊 实验亮点
实验结果表明，ARC框架相比于延迟20毫秒的反射，首次力峰值降低了34.1%，接触冲量从0.2632 N s减少到0.1225 N s，提升幅度达到2.15倍。这一显著的性能提升证明了ARC在保护性运动中的有效性。
🎯 应用场景
该研究的潜在应用领域包括服务机器人、救援机器人以及人机协作系统等。通过提升类人机器人在复杂环境中的反应能力，ARC框架能够有效增强机器人的安全性和适应性，推动智能机器人在实际应用中的发展。
📄 摘要（原文）
Humanoid robots operating in cluttered environments must react to unexpected contacts before the first impact peak, which arrives within tens of milliseconds. Learned whole-body policies running at 50 Hz introduce a policy-cycle delay and may suppress a protective withdrawal as a tracking error. To address these challenges, we propose ARC (Ascending Reflex Control), a bottom-up framework that integrates instantaneous tactile reflexes with learned whole-body control. ARC consists of two components: an instantaneous reflex pathway and bottom-up reflex integration. The reflex pathway detects hazardous contacts from full-body tactile sensing, solves a whole-body withdrawal pose, and delivers it directly to the motors within 10 ms. Bottom-up reflex integration combines reflex-in-the-loop policy learning, reflex-transparent policy alignment, and reflex-informed policy adaptation to sustain the withdrawal, maintain balance, and complete longer-horizon recovery. We deploy ARC on a Unitree G1 and evaluate three categories of hazardous contact. Compared with an otherwise identical reflex delayed by 20 ms, ARC reduces the first force peak by 34.1% and reduces the contact impulse from 0.2632 N s to 0.1225 N s (a 2.15x ratio). We further demonstrate protected motion tracking, teleoperation, and vision-free obstacle traversal guided by foot tactile sensing. Project page: https://minusmodulo.github.io/reflexarc-website/