2511.18509
SafeFall 是首个在真实环境中验证的全尺寸人形机器人防摔损伤框架，专为解决双足机器人跌落导致的昂贵传感器、执行器损坏问题设计，可与现有标称控制器无缝协同，正常运行时仅启动预测模块监测状态，无性能干扰，仅在检测到不可避免跌落时激活防护策略，核心由轻量级 GRU 跌倒预测器与强化学习（RL）损伤缓解策略构成，在 Unitree G1 全尺寸人形机器人（29 个自由度）上完成验证。
跌倒预测模块采用单隐藏层（64 个单元）的 GRU 网络，仅依赖机载传感器数据（骨盆在世界坐标系的侧倾与俯仰角、基座角速度、各关节相对默认站姿的角度与角速度），无需外部感知或状态估计，确保部署可行性。训练阶段通过 6 个主要失效因素（传感器噪声、外力扰动、足部打滑、足部绊倒、系统延迟、动力学失配）生成 81920 条轨迹（65536 条用于训练，16384 条用于验证），每条轨迹含恢复尝试与最终跌落过程。为解决 “可恢复失衡与不可避免跌落” 的模糊过渡问题，采用时间分段标注策略：将轨迹按地面冲击时间 T 分为安全段（t≤2T/3，含可恢复失衡以避免误报）、模糊段（2T/3<t≤T-100ms，训练时屏蔽以避免不确定标签干扰）、跌落段（t>T-100ms，确保至少 100ms 响应窗口），最终实现 0.06% 的误报率（FAR）、410ms 预警时间（LT），推理时间不足 0.5ms，训练仅需 5 分钟（单 RTX 4090 GPU）。
RL 防护策略基于 PPO 算法训练，总耗时 280 GPU 小时，采用两阶段课程学习优化泛化能力：第一阶段用简化碰撞几何模型与随机初始姿态（轻微偏离默认站姿、地面上方随机朝向）快速探索基础防摔策略，过滤地面穿透、自碰撞等无效构型；第二阶段从真实跌落数据集（经预测器判定为不安全的状态）采样初始条件，结合完整碰撞模型细化策略，逐步提升训练难度。
策略训练引入损伤感知奖励机制，核心是平衡 “降低硬件损伤” 与 “保证运动稳定性”：接触力惩罚按部件脆弱性分配权重（头部、手部等高危区域权重 1000，小腿、肩部等中危区域 1，躯干、大腿等低危区域 0.5），仅计算非相邻连杆与地面的有效接触力，过滤因碰撞网格误差导致的相邻连杆虚假力；关节反作用力惩罚基于硬件额定载荷阈值，避免机械连接过载；关节扭矩惩罚限制执行器输出超额定扭矩，防止电气饱和。
SafeFall 是首个在真实环境中验证的全尺寸人形机器人防摔损伤框架，专为解决双足机器人跌落导致的昂贵传感器、执行器损坏问题设计，可与现有标称控制器无缝协同，正常运行时仅启动预测模块监测状态，无性能干扰，仅在检测到不可避免跌落时激活防护策略，核心由轻量级 GRU 跌倒预测器与强化学习（RL）损伤缓解策略构成，在 Unitree G1 全尺寸人形机器人（29 个自由度）上完成验证。
跌倒预测模块采用单隐藏层（64 个单元）的 GRU 网络，仅依赖机载传感器数据（骨盆在世界坐标系的侧倾与俯仰角、基座角速度、各关节相对默认站姿的角度与角速度），无需外部感知或状态估计，确保部署可行性。训练阶段通过 6 个主要失效因素（传感器噪声、外力扰动、足部打滑、足部绊倒、系统延迟、动力学失配）生成 81920 条轨迹（65536 条用于训练，16384 条用于验证），每条轨迹含恢复尝试与最终跌落过程。为解决 “可恢复失衡与不可避免跌落” 的模糊过渡问题，采用时间分段标注策略：将轨迹按地面冲击时间 T 分为安全段（t≤2T/3，含可恢复失衡以避免误报）、模糊段（2T/3<t≤T-100ms，训练时屏蔽以避免不确定标签干扰）、跌落段（t>T-100ms，确保至少 100ms 响应窗口），最终实现 0.06% 的误报率（FAR）、410ms 预警时间（LT），推理时间不足 0.5ms，训练仅需 5 分钟（单 RTX 4090 GPU）。
RL 防护策略基于 PPO 算法训练，总耗时 280 GPU 小时，采用两阶段课程学习优化泛化能力：第一阶段用简化碰撞几何模型与随机初始姿态（轻微偏离默认站姿、地面上方随机朝向）快速探索基础防摔策略，过滤地面穿透、自碰撞等无效构型；第二阶段从真实跌落数据集（经预测器判定为不安全的状态）采样初始条件，结合完整碰撞模型细化策略，逐步提升训练难度。
策略训练引入损伤感知奖励机制，核心是平衡 “降低硬件损伤” 与 “保证运动稳定性”：接触力惩罚按部件脆弱性分配权重（头部、手部等高危区域权重 1000，小腿、肩部等中危区域 1，躯干、大腿等低危区域 0.5），仅计算非相邻连杆与地面的有效接触力，过滤因碰撞网格误差导致的相邻连杆虚假力；关节反作用力惩罚基于硬件额定载荷阈值，避免机械连接过载；关节扭矩惩罚限制执行器输出超额定扭矩，防止电气饱和。
