向后行走时向前视：基于前视视觉的后 locomotion 高效地形记忆

带有自中心正视深度相机的足行机器人可以耦合外部感知和内部感知，在复杂地形上实现稳健的前向灵活性。当这些机器人倒走时，前视场的视野无法提供预览。纯粹的内部感知控制器可以在中等程度的地面上保持稳定，但无法充分发挥机器人的能力，必须与障碍物碰撞。我们提出了 Look Forward to Walk Backward (LF2WB)，一种高效的地形记忆 locomotion 框架，使用前视自中心深度和内部感知在前向运动期间编写紧凑的关联记忆，并在倒走时检索以实现无后视的碰撞自由 locomotion。记忆主干采用 delta 规则选择性更新沿活跃子空间软删除后写入记忆状态。训练使用硬件高效的并行计算，部署运行具有递归、恒定时间 per 步推理，具有恒定大小的状态，使该方法适用于低成本机器人上的 onboard 处理器。仿真和真实世界情景的实验表明，我们的方法在受限感知下的复杂地形上显著改善了倒 walk 的灵活性。