RENet：基于冗余估计网络实现四足机器人容错运动控制
机器人学
2025-09-12 v1
摘要
户外环境中的基于视觉的四足机器人运动面临着显著的挑战。在实际部署过程中，准确的环境预测和有效处理深度传感器噪声仍然困难，严重限制了此类算法的户外应用。为解决视觉运动控制中的部署挑战，本文提出了冗余估计网络（Redundant Estimator Network, RENet）框架。该框架采用双估计器架构，确保在 onboard 视觉故障期间保持稳健的运动性能和部署稳定性。通过在线估计器自适应，本方法使得在处理视觉感知不确定性时，能够无缝切换估计模块。在真实机器人上的实验验证表明，该框架在复杂户外环境中有效，尤其在视觉感知受损的场景中表现出显著优势。该框架展示了其作为可靠解决方案在具有挑战性场条件下实现机器人部署的潜力。项目网站：https://RENet-Loco.github.io/。
引用
@article{arxiv.2509.09283,
title = {RENet: Fault-Tolerant Motion Control for Quadruped Robots via Redundant Estimator Networks under Visual Collapse},
author = {Yueqi Zhang and Quancheng Qian and Taixian Hou and Peng Zhai and Xiaoyi Wei and Kangmai Hu and Jiafu Yi and Lihua Zhang},
journal= {arXiv preprint arXiv:2509.09283},
year = {2025}
}
备注
Accepted for IEEE Robotics and Automation Letters (RA-L)