基于学习型地形想象的四足机器人鲁棒恢复运动控制

四足机器人已成为协助人类的尖端平台，在偏远地区巡检与探索相关任务中找到了应用。然而，其浮动基座结构使它们易于在杂乱环境中跌倒，而由人工操作员手动恢复未必总是可行。近年的若干研究提出了采用深度强化学习算法的恢复控制器。但这些控制器并非专门设计以在楼梯和斜坡等杂乱环境中有效运行，这限制了其适用性。在本研究中，我们提出了一种鲁棒的全地形恢复策略，以在杂乱环境中实现快速且安全的恢复。我们通过涵盖多种地形类型的仿真与真实世界测试，证实了我们提出方法的优越性。