arXiv 2026年9月12日该工作提出一种语言引导的地形自适应神经模型预测控制（MPC）框架，用于关节履带机器人（ATR）在楼梯间和杂乱室内等接触丰富环境中的自主越障：地形条件神经运动学模型从局部高度序列与近期轨迹预测短时域任务状态增量，神经MPC以多目标代价和严格可行性约束进行规划，大语言模型（LLM）通过带范围裁剪、速率限制和一致性检查的安全接口对选定权重与边界提出有界更新；编译后的预测器使完整控制周期在100毫秒内完成，在三个越障任务和一个多高度泛化设置中，该地形自适应神经MPC将综合越障质量得分较非自适应神经MPC提升最多71%、较PPO基线提升67%，并在下坡过程中消除了可测量的碰撞冲击，四类室内障碍的真机试验该工作提出一种语言引导的地形自适应神经模型预测控制（MPC）框架，用于关节履带机器人（ATR）在楼梯间和杂乱室内等接触丰富环境中的自主越障：地形条件神经运动学模型从局部高度序列与近期轨迹预测短时域任务状态增量，神经MPC以多目标代价和严格可行性约束进行规划，大语言模型（LLM）通过带范围裁剪、速率限制和一致性检查的安全接口对选定权重与边界提出有界更新；编译后的预测器使完整控制周期在100毫秒内完成，在三个越障任务和一个多高度泛化设置中，该地形自适应神经MPC将综合越障质量得分较非自适应神经MPC提升最多71%、较PPO基线提升67%，并在下坡过程中消除了可测量的碰撞冲击，四类室内障碍的真机试验语言引导的地形自适应神经MPC：实现关节履带机器人自主越障该工作提出一种语言引导的地形自适应神经模型预测控制（MPC）框架，用于关节履带机器人（ATR）在楼梯间和杂乱室内等接触丰富环境中的自主越障：地形条件神经运动学模型从局部高度序列与近期轨迹预测短时域任务状态增量，神经MPC以多目标代价和严格可行性约束进行规划，大语言模型（LLM）通过带范围裁剪、速率限制和一致性检查的安全接口对选定权重与边界提出有界更新；编译后的预测器使完整控制周期在100毫秒内完成，在三个越障任务和一个多高度泛化设置中，该地形自适应神经MPC将综合越障质量得分较非自适应神经MPC提升最多71%、较PPO基线提升67%，并在下坡过程中消除了可测量的碰撞冲击，四类室内障碍的真机试验该工作提出一种语言引导的地形自适应神经模型预测控制（MPC）框架，用于关节履带机器人（ATR）在楼梯间和杂乱室内等接触丰富环境中的自主越障：地形条件神经运动学模型从局部高度序列与近期轨迹预测短时域任务状态增量，神经MPC以多目标代价和严格可行性约束进行规划，大语言模型（LLM）通过带范围裁剪、速率限制和一致性检查的安全接口对选定权重与边界提出有界更新；编译后的预测器使完整控制周期在100毫秒内完成，在三个越障任务和一个多高度泛化设置中，该地形自适应神经MPC将综合越障质量得分较非自适应神经MPC提升最多71%、较PPO基线提升67%，并在下坡过程中消除了可测量的碰撞冲击，四类室内障碍的真机试验