ODYSSEY：让四足机器人从 “机械执行” 到 “自主思考” 的突破_ODYSSEY框架：让四足机器人从 “机械执行” 到 “自主思考” 的突破

行业论文|ODYSSEY：让四足机器人从 “机械执行” 到 “自主思考” 的突破

2025-08-21

ODYSSEY：让四足机器人从 “机械执行” 到 “自主思考” 的突破

想象这样一个场景：在杂乱的卧室里，一台四足机器人灵活地避开地毯上的玩具，用机械臂精准抓起散落的积木放进收纳盒；转身来到户外，它沿着斜坡稳健行走，轻松拖拽沉重的工具箱到指定位置 —— 这不是科幻电影的片段，而是 ODYSSEY 框架正在实现的未来。

长期以来，机器人在现实世界中的表现始终面临三大挑战：面对人类的自然语言指令，它们常常 “理解偏差”；在家具布局多变的客厅或地形复杂的庭院中，操作能力会大打折扣；更棘手的是，既要灵活移动又要精准抓取，这种 “边跑边做” 的协调能力一直是技术难点。

传统机器人要么像 “桌面专家”，只能在固定场景里重复简单动作；要么像 “笨拙的大力士”，能移动却抓不准，能抓取却走不稳。而 ODYSSEY 的出现，正是为了打破这些局限 —— 它让四足机器人既能 “听懂” 复杂指令，又能在沙发、楼梯、碎石路等多样环境中 “手脚并用”，真正成为能应对日常任务的 “全能助手”。

当你说 “把阳台的花盆搬到客厅窗台”，ODYSSEY 会先在脑海里画一张 “地图”，再一步步拆解任务 —— 这背后是它的 “分层视觉 - 语言规划系统”，就像给机器人装上了 “大脑前额叶”。

架构总览如上图所示，ODYSSEY 的 “思考流程” 分为三层：

其中，分层规划的细节就像 “总指挥官 + 现场工程师” 的配合：

全局任务拆解：通过摄像头和激光雷达扫描环境，构建包含 “花盆、阳台、窗台” 的语义地图，再用 GPT-4.1 这样的大语言模型把指令拆成 “导航到阳台→抓起花盆→导航到客厅→放在窗台” 等 “原子动作”，并规划出避开障碍物的移动路线。

局部动作细化：当机器人来到花盆前，腕部的摄像头会拍摄特写画面，由 Qwen2.5-VL 视觉模型识别 “花盆把手” 的精确位置，同时自动计算机械臂的最佳角度 —— 比如让机械爪的 “掌心” 与花盆表面垂直（轴对齐约束），确保抓得稳。

四足机器人的 “四肢 + 机械臂” 是个 18 关节的复杂系统，既要用四条腿在斜坡上保持平衡，又要用机械臂精准够到高处的物体 —— 这就像人一边走平衡木一边用筷子夹豆子，难度极高。ODYSSEY 的 “全身控制策略” 通过 “两阶段训练” 解决了这个难题。

阶段 1：先练 “走路”：固定机械臂，让机器人在平地、斜坡、楼梯等场景中反复练习行走，通过 “步态奖励”（鼓励稳定的脚步节奏）和 “平衡奖励”（避免摔倒），练出适应复杂地形的 “肌肉记忆”。

阶段 2：再练 “动手”：解锁机械臂控制，让机器人练习 “边移动边抓取”。此时奖励系统会新增 “机械臂跟踪项”—— 比如当目标是 “抓杯子” 时，机械爪的位置与杯子的偏差越小，得分越高。

更聪明的是，ODYSSEY 会用 “地形不变末端采样” 技术：在规划机械臂位置时，直接在世界坐标系中锁定高度（比如 “抓桌子上的杯子时，机械爪高度固定在桌面上方 5cm”），避免因地面不平或机器人身体晃动导致的误差。配合 “领域随机化”（训练时随机改变地面摩擦、物体重量等参数），即使到了没见过的环境，机器人也能快速适应。

为了让机器人经得起现实考验，ODYSSEY 团队打造了首个 “长视野移动操作基准”—— 相当于给机器人准备了 “千套模拟试卷”，涵盖从简单到复杂的各种任务。

这个基准的 “严苛之处” 在于：

场景多样：从家具杂乱的卧室到高低不平的庭院，甚至故意加入 “突然出现的拖鞋”“松动的台阶” 等意外障碍；
任务复杂：不仅有 “抓起杯子” 这样的单步任务，还有 “先找到购物车→把 3 件商品放进去→推到收银台” 这样的多阶段任务；
评分细致：不仅看 “最终是否完成任务”，还会记录 “导航是否迷路”“抓取是否掉落” 等每个步骤的成功率

从虚拟到现实：机器人真的 “能干活” 了

更令人兴奋的是，ODYSSEY 成功实现了 “模拟到现实” 的迁移。在实验室里，基于 Unitree Go2 四足机器人和 Arx5 机械臂的实体平台，它已经能在真实环境中完成 “导航拾取”“拖拽重物” 等任务 —— 虽然偶尔会因光线太暗认错物体，或因地面太滑抓不稳，但这些小瑕疵恰恰指明了优化方向。

就像人类在模拟器中学会开车后能快速适应真实道路，ODYSSEY 在虚拟环境中训练的技能，能直接 “迁移” 到实体机器人身上 —— 这意味着它离走进家庭、工厂、户外场景又近了一步。