传统导航重规划在紧急避障时反应滞后，新加坡国立大学团队提出REBot框架。它借鉴生物反射机制，让四足机器人在反应时间受限时，能瞬时产生规避动作并快速恢复稳定，为解决机器人真实场景下的动态安全问题提供了新方案。
智能速览
REBot框架专为解决机器人重规划来不及的紧急避障问题而设计。
它模仿生物脊髓反射，使机器人绕过复杂计算，实现本能式快速规避。
该框架将规避与恢复策略统一，形成鲁棒的“规避—恢复”闭环系统。
通过仿真课程学习和真实机器人实验，验证了其在多类动态威胁下的有效性。
真实测试包含戳、扫、踢、击等多种高强度物理交互，机器人表现出强适应性。
精华内容
当障碍物快速逼近，基于重规划的避障方案往往失效。REBot框架另辟蹊径，引入类似生物脊髓反射的机制，旨在赋予四足机器人瞬时避险的本能，确保其在紧急关头能够自保。
核心难题
在动态环境中，四足机器人面临的关键挑战之一是紧急避障。当障碍物（如快速移动的物体或突然出现的攻击）逼近时，留给机器人的反应时间极为有限。传统的导航避障方案通常依赖环境感知、路径重规划与控制执行这一完整链条，在毫秒级的紧急情况下，这一流程耗时过长，往往导致规避失败，对机器人自身造成损害。
因此，研究团队将问题聚焦于“受限反应时间下的即时动态避障”，旨在寻找一种更直接、更低延迟的应对策略。
反射式框架
REBot（Reflexive Evasion Robot）框架的提出，正是为了应对上述挑战。其核心灵感来源于生物界的反射行为，如羚羊躲避猎物或人类手触热物时的瞬时缩回。这些反应不经过大脑的复杂思考，而是由脊髓直接产生，速度极快。
REBot将这种机制引入机器人控制，构建了一个包含规避策略与恢复策略的有限状态机。在检测到紧急威胁时，机器人直接触发预训练的规避动作，快速远离危险；动作完成后，再启动恢复策略，迅速调整回稳定状态，构成一个高效的“规避—恢复”闭环。
训练与部署
为了使REBot获得有效的规避与恢复能力，研究团队采用了基于强化学习的训练方法。训练在Isaac Gym仿真环境中分阶段进行，设计了两个递进的课程。课程1让机器人学习躲避来自前后左右及上下等六个方向的慢速冲击；课程2则提升了难度，让机器人适应更快速度和更复杂方向的威胁。
通过这种课程学习，机器人逐步建立了全身的威胁感知与反应能力。为了将仿真中训练好的策略迁移到真实的Unitree Go2机器人上，团队还采用了自适应技术，有效弥合了仿真与现实的差距，确保了算法在真实世界中的可靠性。
实战验证
在真实机器人测试中，REBot展现了卓越的性能。测试者用棍子从左、右、左前、右前等多个方向对机器人进行戳击，机器人均能迅速闪避。面对从四面八方投掷来的球体，机器人也能精准判断并做出规避姿态。
更有挑战性的测试包括来自多个角度的踢击，甚至是连续的戳击和踢击组合，REBot都表现出强大的实时反应能力和适应性。在一个“双狗”演示中，一台机器人作为移动的障碍物，另一台机器人则能探测到威胁并做出反射式规避，直观地展示了该框架的实用潜力。当然，也存在一些失败案例，如对过快速度的后方攻击反应不及，这为后续的优化指明了方向。
REBot框架为机器人在真实世界中的安全交互提供了重要的技术启示。通过模仿生物反射机制，它成功解决了传统避障方案在紧急情况下的响应延迟问题。未来，这种本能式的安全能力或将成为高级机器人的标准配置，使其在更复杂的场景中与人协同工作。
