> ## Documentation Index
> Fetch the complete documentation index at: https://kensou.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Overview

# Humanoid + Legged · 全身空间推理

**范围：** 双足人形（Unitree H1/G1、Figure 02、1X NEO、Tesla Optimus、Boston Dynamics Atlas）+ 四足（Spot、Unitree Go2、ANYmal）——严格从**空间感知**侧来看。身体在场景里移动，而不是螺丝固定在桌上。

**状态：** v1 入口页。所有商用机器人规格标 `UNVERIFIED`，除非来自厂商数据手册。

***

## 为什么 "humanoid + legged" 是一个子树

人形和四足共享一个把它们和本手册所有其他 embodiment 分开的定义性属性：**感知传感器装在一个既平移*又*非平凡旋转的躯体上**。轮式机器人平移但相机几乎不转；aerial 转得很多但传感器相对机身姿态固定；manipulation 移臂但头是静止的。人形和腿足机器人让相机沿着一个复杂的 6-DOF 轨迹运动，其中包括**1–3 Hz 的脚部冲击**和与步态绑定的俯仰振荡。

这强加了两个 manipulation 和 ground-mobile 都不必处理的空间感知问题：

1. **远眺视距。** 人正常走路自然看前方 \~3 m，因为身体需要 \~1 秒的预览来规划落脚点和避障。装在人形头上的相机必须同时服务*远感知*（凝视）和*近感知*（落脚）。两者在分辨率、延迟、更新率上的需求都不一样。
2. **体相对空间帧。** World frame 对导航有用但对落脚没用。Body frame 对落脚有用但对导航没用。一个人形空间栈*同时*在两个 frame 里跑，由 IMU + 腿运动学维护显式变换——某处算错是最常见的失效模式。

这两个问题就是这个子树和 `ground-mobile/` 分开的原因。一台 Unitree H1 做运动控制，和 Spot 四足共享的感知架构，远多于和 iRobot Roomba 共享的，尽管 Roomba 和 H1 都是 "室内移动机器人"。

***

## 与桌面 manipulation 的空间差异

| 维度      | 桌面 manipulation | Humanoid / legged                |
| ------- | --------------- | -------------------------------- |
| 场景相对传感器 | 静态；传感器轻微移动      | 传感器不断穿过场景                        |
| 工作体积    | \<1 m³ 工作区      | 整个房间 → 室外                        |
| 参考帧     | 物体或底座           | World + body +（每只脚）              |
| 关键特征更新率 | 10–30 Hz（臂动）    | 30–100 Hz 落脚；5–10 Hz 导航          |
| 失效模式    | 掉物 / 抓偏         | **摔倒**——灾难性，可能无法恢复               |
| 常用传感器   | 腕部 + 工作区 RGB-D  | 头立体 + 体 IMU +（Spot：体 LiDAR）+ 足触发 |

一个有用的框架：桌面 manipulation 是**静态场景的 3D 感知**（手在里面动）。Humanoid 是**4D 感知**——身体加了一根时间轴，相机外参变化和场景本身一样快。这就是为什么 humanoid SLAM 离 drone SLAM 更近，而不是离 manipulation 更近，尽管工作速度和 ground mobile 更接近。

IMU 耦合的平行关系见 `crossing/sensor-physics/`。

***

## 厂商图景（传感器栈快照，全部 `UNVERIFIED`）

| 机器人                          | 类型   | 头/眼传感器                      | 体传感器       | 算力             | 来源    |
| ---------------------------- | ---- | --------------------------- | ---------- | -------------- | ----- |
| **Unitree H1**               | 人形   | RGB-D 头（Intel RealSense 一类） | IMU、关节编码器  | Jetson Orin 一类 | 厂商产品页 |
| **Unitree G1**               | 小型人形 | 同 H1 家族                     | IMU + 足力   | Jetson 一类      | 厂商产品页 |
| **Figure 02**                | 人形   | 多相机头，深度未披露                  | IMU + 力    | 自研 + 云         | 公关材料  |
| **1X NEO**                   | 人形   | 多相机头，深度未披露                  | IMU + 力    | 板载 + 云辅助       | 公关材料  |
| **Tesla Optimus**            | 人形   | 纯相机（无 LiDAR，依 Tesla 路线）     | IMU + 力    | FSD 衍生         | 公关演示  |
| **Boston Dynamics Atlas（新）** | 人形   | 多相机头、ToF                    | IMU + 力    | 自研             | 公关材料  |
| **Boston Dynamics Spot**     | 四足   | 体装立体相机阵列 + ToF              | IMU + 腿运动学 | BD 板载          | 公开规格表 |
| **Unitree Go2**              | 四足   | 头装深度，可选 LiDAR               | IMU        | Jetson         | 厂商产品页 |
| **ANYmal**                   | 四足   | 体 LiDAR + 相机                | IMU + 力    | 自研             | 公开论文  |

**两个值得标记的架构分叉：**

1. **纯相机（Tesla）vs 富深度（Unitree、Figure、Atlas）vs 富 LiDAR（Spot、ANYmal）。** Tesla 押注 monocular + 从自运动估尺度够用；其他所有人靠主动深度对冲。盯这个分叉——它几乎和 AD 路线分叉（Tesla 纯视觉 vs Waymo 富 LiDAR）一一对应，这个比较是个候选的 `crossing/` 主题。
2. **头装 vs 体装传感器。** 人形压倒性头装（拟人，头跟随凝视）。四足分叉——Spot 体装（无脖子），Unitree Go2 头装。深度文 `whole_body_spatial_perception.md` 把后果摊开讲。

***

## 本目录文件

| 文件                                              | 用途                                       | 状态  |
| ----------------------------------------------- | ---------------------------------------- | --- |
| `whole_body_spatial_perception.md`              | 头相机 + IMU + 足触发融合深度文；远眺问题；人形 vs 四足的传感器布置 | v1  |
| *（待写）* `humanoid_vio_under_footfall_shock.md`   | 为何为无人机调好的 VIO 不能直接迁——振动谱不同               | TBD |
| *（待写）* `terrain_classification_for_footfall.md` | 远/近感知拆分；踏脚石选择                            | TBD |
| *（待写）* `whole_body_policy_perception_seam.md`   | 与全身 MPC + RL 策略的接口——策略侧指向 VLA-Handbook   | TBD |

***

## 交叉引用

* **Aerial 平行：** `embodiments/aerial/vio/`——振动下的 VIO 是最接近的工程类比
* **传感器物理：** `foundations/sensor-physics/`——IMU-相机同步、ToF 人眼安全
* **跨子树：** `crossing/slam-vio-migration/`——humanoid 在迁移叙事里夹在 aerial 和 ground-mobile 之间
* **VLA 接缝：** [VLA-Handbook](https://github.com/sou350121/VLA-Handbook)——全身策略 / RL / 运动控制器在那边。这里只管空间感知。

## 边界

本子树覆盖人形 + 四足的**空间感知、建图与体帧推理**。不覆盖：

* 全身运动控制、MPC、RL 策略训练 → [VLA-Handbook](https://github.com/sou350121/VLA-Handbook)
* 硬件设计 / 执行器 / SEA / 液压 → 超出本手册范围
* 人形上半身做的 manipulation → `embodiments/manipulation/`（encoder 问题一样）
* AGV / 轮式室内 → `embodiments/ground-mobile/`

*维护者深度档：Major。2026 行业关注度高；预期该子树会在 2026–2027 快速生长。*