ATRos：面向轮足机器人的能效敏捷 locomotion 学习

轮足机器人的混合 locomotion 近年来受到越来越多的关注，因为其结合了腿式 locomotion 的灵活性和轮式运动的效率优势。然而，随着性能的提升，轮足机器人的全身控制仍然具有挑战性。本文提出ATros，一种基于强化学习(RL)的混合 locomotion 框架，用于实现轮足机器人的混合行走驱动运动。不依赖预定义步态模式，our planner旨在智能协调轮子与腿部运动的同时进行，从而实现更好的地形适应性和能效。基于RL技术，our approach构建了一个预测策略网络，可从感官信息估算外部环境状态，将输出输入到actor critic网络中以产生最优关节命令。通过仿真和实际实验验证了该框架的可行性，实验覆盖多种地形，包括平整地面、楼梯和草地。该混合 locomotion 框架在各种未见地形上表现出稳健性能，凸显其泛化能力。