核心发现
方法论
本文提出的MulDP采用条件扩散模型，融合历史深度图、 proprioception（本体感知）和目标信息，逐步去噪生成未来速度指令，实现长远、连续的自主穿越。模型包括多模态时序编码器、空间编码器和决策记忆模块，结合特定数据集QPND进行端到端训练。通过模拟和实地实验验证其在复杂地形中的鲁棒性和泛化能力。
关键结果
- 在模拟和真实环境中，MulDP在复杂地形中的成功率达89.7%，路径效率达71.9%，平均到达时间为4.9秒。与传统基于映射和规划的方法相比，表现出更优的长远自主导航能力，尤其在障碍物穿越和动态目标追踪中表现出色。
- 在多种复杂地形（如缺口、障碍、楼梯）中，MulDP实现了稳定的长距离自主穿越，成功率显著优于基线方法，且能提前预测和调节速度，表现出良好的预判能力。
- 消融实验显示， proprioception（身体状态感知）和数据增强对模型性能至关重要，缺失其中任何一项都会导致成功率大幅下降，验证了多模态融合的必要性。
研究意义
本研究突破了传统导航的局限，将深度学习与生成模型结合，解决了复杂环境中长距离自主穿越的难题。其创新的多模态扩散策略，为未来自主机器人在未知和动态环境中的应用提供了理论基础和技术支撑，有望推动智能机器人自主导航技术的产业化进程。
技术贡献
提出基于条件扩散模型的多模态导航策略，创新性地融合视觉、 proprioception和目标信息，形成端到端的长远决策能力。引入多模态时序编码器和决策记忆模块，提升模型对环境的理解和预测能力。构建首个四足机器人穿越数据集QPND，支持模拟到实地的迁移，显著增强模型的泛化能力。
新颖性
首次将扩散模型应用于自主四足机器人复杂地形导航，结合多模态感知实现长远、连续的速度控制，突破了传统基于映射或单模态学习的限制。提出的多模态融合架构和数据集，为机器人自主导航提供了新的技术路径。
局限性
- 模型对极端复杂或未知地形的适应性仍有限，特别是在传感器噪声极高或环境变化剧烈时表现不佳。
- 训练依赖大量模拟数据，实地迁移仍存在一定差距，未来需优化感知鲁棒性和模型效率。
- 实时推理受限于硬件性能，未来需提升模型推理速度以适应更高频率的控制需求。
未来方向
未来将结合强化学习优化决策策略，增强模型对极端环境的适应能力。同时，探索多模态感知的自适应融合机制，提升模型的泛化和鲁棒性。此外，将扩展到多机器人协作和多任务场景，推动自主机器人在复杂环境中的广泛应用。
AI 总览摘要
随着四足机器人在复杂环境中的应用需求不断增长，传统导航方法在面对多变和未知地形时表现出明显局限。现有系统多依赖高层次规划或映射-路径规划，难以满足动态、长远的穿越需求。本文提出的MulDP利用条件扩散模型，将视觉感知、 proprioception和目标信息融合，生成连续、预判性强的速度指令，从而实现自主长距离穿越复杂地形。
该方法通过多模态时序编码器、空间编码器和决策记忆模块，构建了一个端到端的感知-控制闭环，显著提升了机器人在障碍密集、动态环境中的导航鲁棒性。结合在模拟和实地的广泛实验，MulDP在多种复杂场景中达到了89.7%的成功率，优于传统方法，验证了其强大的泛化能力。
此外，本文还构建了首个四足机器人穿越数据集QPND，支持模拟到实地的迁移研究，为未来自主导航技术提供了宝贵数据资源。整体来看，MulDP的提出不仅突破了长远自主导航的技术瓶颈，也为未来智能机器人在未知环境中的自主行动奠定了基础。未来工作将聚焦于模型的实时性优化、多机器人协作以及更复杂场景的适应能力，推动自主机器人技术的产业化和普及。
深度解读
原文摘要
Quadruped robots have demonstrated impressive agility in parkour locomotion across complex terrains. However, most systems still rely on human intervention for high-level planning, and autonomous parkour navigation remains underexplored. The key challenges include fine-grained velocity regulation, long-horizon anticipatory behaviors, and tight coupling between perception and embodied execution. To address these challenges, we propose a Multimodal Diffusion Policy (MulDP) that integrates visual perception with robot proprioception and goal information to generate temporally coherent and anticipatory navigation velocity commands, tightly coupling perception with embodied control to enable robust autonomous navigation. To support the training of MulDP, we construct the first Quadruped Parkour Navigation Dataset (QPND), a multimodal dataset that encompasses diverse navigation behaviors and complex terrains. Extensive simulation and real-world experiments demonstrate that MulDP enables robust long-horizon autonomous navigation and effective traversal across complex terrains.