# Unitree Go2 公开实测档案

> 原文链接：https://robotics.hellobike.com/reviews/unitree-go2-public-results-compilation
> 频道：reviews | 更新日期：2026-10-22 | 标签：四足机器人, Unitree Go2, 导航, SLAM, 全身控制, 实机部署
> 核心摘要：汇总 Unitree Go2 在导航、SLAM、控制、操作与兼容排障中的公开论文实测记录；指标仅摘录摘要明示数字，不做换算、平均或推断。

# Unitree Go2 公开实测档案

> 本页汇编公开论文的真机实验结果与站内已验证记录，每个数字在页面下方的量化表中标注出处；不同论文的任务、策略与次数不同，不能直接横向相加。

## 材料范围与口径

本档案覆盖用户给出的 Unitree Go2 相关论文摘要、兼容矩阵与排障条目。机型背景按 AIR 基础配置理解，但 measurements 只收录论文摘要中明示的数字；未给出量化真机结果的部署演示，仅在正文中作能力范围说明。

## 运动与控制相关结果

[RFPO：Rectified Flow 策略优化](https://arxiv.org/abs/2610.10453)在 Go2 上报告单步执行保留 64 步奖励的 98.5%，并将机载平均推理延迟从 4.39 ms 降至 0.08 ms。[LLA-MPPI](https://arxiv.org/abs/2610.10465)展示中途加负载、单腿失效与推箱增重下的硬件验证，但摘要未给 Go2 数字。

## 操作与策略相关结果

[Contact as a Decision Variable](https://arxiv.org/abs/2609.30140)用 Go2 加 AgileX NERO 臂，在 392 个任务条件和九个支撑面中评估接触选择，约 3× 加速全候选精确评估。[Safe Multi-Robot Collaborative Transport](https://arxiv.org/abs/2610.08441)则在 MuJoCo 中测试两台和三台 Go2 协同推物。

## 感知与导航相关结果

[AVALON](https://arxiv.org/abs/2610.21586)在 Go2 上以无建图完成 12.81 m 室内任务，用时 46.4 s 且 5/5 成功。[LIN-SLAM](https://arxiv.org/abs/2610.21199)在 Orin NX 与 16 线雷达配置下跑完 1.47 km 室内轨迹，端点闭合误差 0.141 m；地形持续学习给出三种未见地形上的 NLL 退化降低 23.1%。

## 兼容与排障记录

兼容矩阵列出 sac-unitree-go2-mujoco：MLP Actor-Critic 输出连续关节目标位置；π0 (openpi)：四足仍用原生 locomotion，VLA 负责上层语义。排障见 [Go2 观测顺序与部署环境不一致怎么办](/pitfalls/2026-08-04-unitree-rl-gym-32)、[Livox Mid-360 倾斜或倒装在四足/人形机身时 FAST-LIO2 里程计发散飘飞](/pitfalls/livox-mid360-fast-lio2-imu-extrinsic-divergence) 与 [URDF 导入 Isaac Sim / Isaac Lab 转 USD 后足端穿透地面与关节自碰撞爆炸](/pitfalls/isaaclab-rsl-rl-usd-collider-tunneling)。

## 怎么用这些数字

这些数字适合做方案初筛和复现实验对照：只比较同任务、同传感器、同策略预算下的指标。导航时间、闭合误差、推理延迟和接触选择加速分别对应不同层级，不能混合平均；基准差异需回到摘要中的条件与原论文设置核对。

## 材料清单

- [AVALON：基于人类播种拓扑记忆的零样本室内导航](https://arxiv.org/abs/2610.21586)（arXiv 2610.21586）
- [LIN-SLAM：用于实时机载导航的轻量级 LiDAR--惯性神经 SLAM](https://arxiv.org/abs/2610.21199)（arXiv 2610.21199）
- [GG-Nav：面向目标的 Grounding Chain-of-Thought 激发导航基础模型推理](https://arxiv.org/abs/2610.14541)（arXiv 2610.14541）
- [LLA-MPPI：利用 GPU 加速并行仿真实现腿式机器人快速自适应全身控制](https://arxiv.org/abs/2610.10465)（arXiv 2610.10465）
- [CMP-IRRT*：一种用于四足机器人的感知辅助高度自适应规划器](https://arxiv.org/abs/2610.10470)（arXiv 2610.10470）
- [RFPO：用于具身控制的 Rectified Flow 策略优化](https://arxiv.org/abs/2610.10453)（arXiv 2610.10453）
- [使用密度函数的安全多机器人协同运输](https://arxiv.org/abs/2610.08441)（arXiv 2610.08441）
- [VAMPS：基于采样式规划的视觉与运动策略](https://arxiv.org/abs/2610.05331)（arXiv 2610.05331）
- [ROOT：发现用于用户指定具身行为的奖励](https://arxiv.org/abs/2610.04250)（arXiv 2610.04250）
- [四足机器人地形可通行性的经验驱动持续学习](https://arxiv.org/abs/2609.39755)（arXiv 2609.39755）
- [InsightMap：用于具身多模态推理的结构化空间建模](https://arxiv.org/abs/2609.37187)（arXiv 2609.37187）
- [将接触作为决策变量：面向腿式移动操作的能力权衡接触选择](https://arxiv.org/abs/2609.30140)（arXiv 2609.30140）
- [Talk2Escape：用于视觉-语言导航的对话式落地](https://arxiv.org/abs/2609.28296)（arXiv 2609.28296）

## 原始参考来源 (Sources)

- [arXiv 2610.21586：AVALON：基于人类播种拓扑记忆的零样本室内导航](https://arxiv.org/abs/2610.21586)
- [arXiv 2610.21199：LIN-SLAM：用于实时机载导航的轻量级 LiDAR--惯性神经 SLAM](https://arxiv.org/abs/2610.21199)
- [arXiv 2610.14541：GG-Nav：面向目标的 Grounding Chain-of-Thought 激发导航基础模型推理](https://arxiv.org/abs/2610.14541)
- [arXiv 2610.10465：LLA-MPPI：利用 GPU 加速并行仿真实现腿式机器人快速自适应全身控制](https://arxiv.org/abs/2610.10465)
- [arXiv 2610.10470：CMP-IRRT*：一种用于四足机器人的感知辅助高度自适应规划器](https://arxiv.org/abs/2610.10470)
- [arXiv 2610.10453：RFPO：用于具身控制的 Rectified Flow 策略优化](https://arxiv.org/abs/2610.10453)
- [arXiv 2610.08441：使用密度函数的安全多机器人协同运输](https://arxiv.org/abs/2610.08441)
- [arXiv 2610.05331：VAMPS：基于采样式规划的视觉与运动策略](https://arxiv.org/abs/2610.05331)
- [arXiv 2610.04250：ROOT：发现用于用户指定具身行为的奖励](https://arxiv.org/abs/2610.04250)
- [arXiv 2609.39755：四足机器人地形可通行性的经验驱动持续学习](https://arxiv.org/abs/2609.39755)