使用随机关节掩码学习受损关节的四足运动

四足机器人凭借其敏捷的运动能力，在从结构化环境到复杂崎岖地形的各种环境中发挥了关键作用。然而，这些机器人如果因外部事故或内部故障而受损，很容易丧失运动功能。在本文中，我们提出了一种新颖的深度强化学习框架，使四足机器人能够在关节受损的情况下行走。所提出的框架由三个部分组成：1) 用于模拟受损关节场景的随机关节掩码策略，2) 基于过去观测历史预测当前关节状态隐式状态的关节状态估计器，以及3) 渐进课程学习，使单个网络能够同时执行正常步态和各种关节受损步态。我们验证了我们的框架使宇树Go1机器人在真实室内外环境中的各种受损关节条件下能够行走。