学习基于视觉的足迹规划器以实现分层行走控制

双足机器人通过动态地面接触在挑战性地形中导航展现出潜力。然而，当前的框架通常仅依赖本体感知或使用手动设计的视觉流程，这些流程在真实环境中较为脆弱，并使非结构化环境中的实时足迹规划变得复杂。为了解决这个问题，我们提出了一种基于视觉的分层控制框架，该框架集成了一个基于强化学习的高层足迹规划器，该规划器根据局部高程图生成足迹命令，以及一个跟踪生成轨迹的低层操作空间控制器。我们利用角动量线性倒立摆模型构建一个低维状态表示，以捕获动态的信息编码，同时降低复杂性。我们使用欠驱动双足机器人Cassie在不同地形条件下评估了我们的方法，并通过仿真和硬件实验研究了该方法的潜力和挑战。