Reactive Humanoid Multi-Contact Using Learned Stability Models

提出一种基于学习稳定性模型的类人机器人多接触规划与控制框架，在低稳定性场景中通过手部接触辅助防跌倒。候选接触点在手部可达工作空间内采样，通过质心动力学预测并以触后阶段压力中心（CoP）控制权限评分；仿真显示冲量韧性较无手部接触提升 89%、较朴素策略提升 17%，硬件推倒测试中站立与行走 stabilization time 分别降低 43% 与 18%。