DreamFLEX：面向粗糙 terrain 异常情境的容错四足动力学控制器学习

近期四足机器人的进步已展现出惊人的灵活性和能够遍历多样地形的能力。然而，硬件问题，如电机过热或关节锁定，可能在长距离行走或穿越粗糙地形时导致运动失效。尽管已有多项研究提出用于四足机器人的容错控制方法，但在处理非结构化地形方面仍面临挑战。本文提出 DreamFLEX，一种鲁棒容错运动控制器，使四足机器人即使在关节故障条件下也能遍历复杂环境。DreamFLEX 集成了显式故障估计和调制网络，联合估计机器人关节故障向量，并利用此信息实时调整运动模式以适应故障状态，从而使四足机器人在粗糙地形中保持稳定性和性能。实验结果表明，DreamFLEX 在仿真和实际场景中均优于现有方法，有效管理硬件故障，同时保持稳健的运动性能。