- 使用强化学习和三维体积表示的方法来控制腿式机器人在狭小和非结构化环境中进行稳健和多功能的运动。 - 通过两层分层策略结构，低层策略遵循六维命令，高层策略实现三维空间感知，在悬挂障碍物下导航。 - 开发程序化地形生成器以创建多样化的训练环境。 - 实验评估证明该方法在控制四足机器人在狭窄、崎岖地形中的有效性。 - 该研究扩展了腿式机器人在更广泛场景中的适用性。 在论文《Learning to walk in confined spaces using 3D representation》中，研究人员解决了让四足机器人在复杂和狭窄环境中导航的挑战。该研究因其创新的机器人运动控制方法而脱颖而出，该方法将强化学习与3D体积表示相结合。这种方法使机器人能够表现出空间意识，并调整其行走策略以避开障碍物，即使在非结构化环境中也能做到。该论文尤其值得关注的是其程序化地形生成器，可以创建多样化的训练场景，并成功应用于模拟和实际实验中。这项工作扩展了四足机器人的实际应用范围，对于那些对机器人移动性和自主性的进展感兴趣的人来说，这是一篇重要的阅读材料。