简介

项目链接：https://leggedrobotics.github.io/rl-blindloco/

像LiDAR和相机等外部传感器无法感知地面的诸如摩擦和顺应性等物理特性，在雪地、覆满植被的具有挑战性的地形下，需要将机器人的本体感受作为输入，控制器快速产生针对如保持平衡，避免自我碰撞等等多个目标的全身轨迹规划。

材料与方法

1. 策略训练：首先利用特权信息$X_t$包括机器人的当前状态、地形信息以及机器人和地面的接触信息，通过强化学习训练teacher policy。
2. 策略训练：训练好teacher policy之后，将其用于监督训练只有本体感觉的student policy，它基于时序卷积网络（TCN），接收$N$个本体感受观测作为输入。student policy通过imitation的方式训练，由教师策略给出预期向量${\overline{I}}_t$以及行动${\overline{a}}_t$，学生策略从本体感受到预期向量的映射。
3. 自主地形课程：通过采样的方法为不同难度的训练课程采用不同的地形。
4. 控制架构：使用策略调制轨迹生成器（PMTG）提供运动生成的先验。神经网络通过综合残差位置来调节腿部相位和运动原语。仿真使用带有关节位置PD控制器的动力学模型，这使得促进从仿真转化到现实，可以直接在真机上部署。

总结

读的第一篇Anymal相关的论文，没太搞清楚问题的formulation呜呜，几乎get不到方法的巧妙，感觉得往前追溯。还有补充强化学习的基础。

论文先是呈现了结果再讲方法和分析，核心结果就是一个鲁棒的通用运动控制器，可以使得机械狗适应各种复杂地形，方法主要分为在仿真环境下的策略训练和自主课程学习（ACL），两者相辅相成。