SHOES：基于在线策略技能扩展的足式机器人仿真到现实硬件适配

足式机器人的运动策略通常在固定形态下训练，一旦硬件外观改变——比如给机器人穿上鞋——控制器就可能失效。鞋会改变足部接触几何、摩擦、柔顺性、质量分布和有效腿长，这些变化叠加起来足以让一个在裸足条件下训练好的策略出现明显偏差。SHOES 要回答的就是：能不能不重训整个策略，而是在部署后用少量在线样本把已有控制器适配到鞋上。这个问题现在值得看，是因为它把「硬件适配」当成一个独立的后训练阶段来处理，而不是靠预先扩大域随机化去覆盖所有鞋型。

方法上，SHOES 冻结一个仿真训练好的名义策略，只微调轻量、identity-initialized 的调制模块——FiLM 和 Linear Adapter——让机器人保留初始行为，同时获得针对当前鞋款的修正能力。配套的 SafeBox 是一个工作空间感知的 waypoint 采样器，把在线适配限制在用户定义的工作空间内，使仿真和硬件共享同一套命令接口。实验载体是 Unitree Go2：仿真中使用穿鞋的 Go2，真机上则给它装上 human shoes，做硬件部署评估。材料还交代了这条路线与域随机化、全策略微调两条既有路线的定位差异。

先看失败模式。材料图2给出了裸足名义策略在 0.3 m/s 指令方向速度设定点下的表现：同一策略在裸足时与穿鞋后对比，穿鞋后明显偏离目标环，其中后退命令的跟踪退化尤其严重。这说明鞋带来的形态偏移不是均匀地影响所有运动方向，而是存在结构性的薄弱环节。作者把这一点作为动机：不是泛泛地说「穿鞋会变差」，而是指出差在哪个方向、差到什么程度。

再看适配效果。仿真中，穿鞋的 Unitree Go2 在有限的额外适配预算下，SHOES 大幅恢复了运动性能；在相同适配预算下，它优于三个基线：只用 FiLM、只用 Linear Adapter、以及 residual-RL。真机实验进一步在装 human shoes 的 Go2 上评估了硬件部署的有效性。材料没有给出恢复百分比的具体数字，只说「大幅恢复」和「有限额外适配」，这是阅读时需要留意的信息粒度。另外，与 footwear-aware 域随机化相比，SHOES 不需要预先指定鞋的几何、接触属性、质量和惯量分布；与 Smith 等人的全策略微调相比，它复用同一个名义策略，只切换小的鞋特定模块，不必为每双鞋保存一个全尺寸 checkpoint。

这些结论意味着，鞋可以被当作一种可插拔的硬件变化来处理：主干策略不动，适配层很轻，换鞋时只需换一个小模块。对实践的影响是，机器人如果需要在不同地面穿不同鞋——保护地板、增加抓地、通过困难地形——不必为每种组合重训，部署后的在线修正就够用。SafeBox 的设计还有一层工程含义：把探索限制在工作空间内，降低真机在线学习的风险。不过这是解读，材料本身只报告了性能恢复和基线对比，没有展开安全性的定量分析。

适合做足式机器人 sim-to-real、在线自适应和 RL 微调的读者看。能拿走的东西比较具体：冻结名义策略、只训 identity-initialized 调制模块的适配范式；SafeBox 这种用工作空间约束采样来统一仿真与硬件命令接口的做法；以及 FiLM-only、Linear Adapter-only、residual-RL 这组对照的实验设置。边界也明显：材料是 arXiv 预印本，被引 0 次；实验集中在 Unitree Go2 和鞋这一类形态变化，其他硬件改动是否适用没有验证；仿真和真机的恢复幅度缺少具体数值，复现时得回原文找细节。

SHOES: Sim-to-real Hardware-adaptation via On-policy Expansion of Skills for Legged Robots Kota Tsuruhara1,2 Tsung-Yuan Chen2 Kento Kawaharazuka2 1Tokyo University of Agriculture and Technology 2The University of Tokyo {trhrkota, chentsungyuan}@g.ecc.u-tokyo.ac.jp [email protected] Figure 1: A Unitree Go2 wearing shoes. Abstract:Humans expand their locomotion capability by wearing appropriate footwear, such as hiking boots for mountains or skates for ice. Footwear changes the ground-contact interface and enables traversal of otherwise difficult terrain. In contrast, locomotion controllers are typically trained for a fixed morphology, and their performance can degrade when shoes alter foot geometry, mass, and fric- tion. We proposeSHOES, a sample-efficient framework for adapting locomotion policies to footwear-induced morphology changes. SHOES freezes a simulation-