瑞士機器人系統實驗室的機器人工程師團隊開發了一種混合控制架構，該架構結合了當前四足機器人控制系統的優點，使四足機器人在崎嶇地形上具有更好的行走能力。

為了他們的專案,報道在日記中科學機器人，該小組結合了兩種目前使用的技術的一部分來提高四足動物的敏捷性。

研究團隊指出，目前機器人製造商主要使用兩種方法讓四足機器人在地面上行走。崎嶇的地形。第一個稱為逆動力學軌跡優化；第二個使用基於模擬的強化學習。

第一種方法是基於模型的，雖然它具有許多優點，例如允許機器人學習並從而獲得規劃能力，但它也存在所學內容與現實條件之間不匹配的問題。

第二種方法很穩健，尤其是在恢復技能方面，但在從極具挑戰性的環境（例如幾乎沒有「安全」立足點的條件）中應用獎勵方面卻很薄弱。

對於這項新研究，研究團隊試圖克服其他方法遇到的一些問題，同時實現效果良好的功能。結果就是研究團隊所說的管道（控制框架），他們稱之為深度追蹤控制，並在他們稱為 ANYMal 的機器人中實現了它。

研究人員多年來一直與各種合作夥伴一起研究他們的想法 –2019年例如，他們與智慧系統實驗室合作，尋找一種利用機器學習技術讓類犬機器人更敏捷、更快的方法。和兩年前，他們正在教機器人學習健行。

開發 DTC 的過程分為四個步驟：識別參數和估計不確定性、訓練執行器網路以對軟體動態進行建模、使用創建的模型控制策略以及部署到實體系統上。作為實體實施的一部分，DTC 接受了來自 4,000 個虛擬機器人模擬的資料訓練，這些模擬涵蓋了 76,000 平方米區域內的各種地形元素

ANYMal 的測試表明，它透過加固來優化軌蹟的能力使其能夠在變化的地形條件下更好地定位腿部，從而在現有的情況下找到最佳的立足點。它還允許更好的秋季恢復。這些功能共同使得機器人與其他機器人相比，能夠以更少的故障穿越困難的地形。

© 2024 Science X 網絡