以下内容来自小六的机器人AI学习圈（6年积累，全国最大的机器人SLAM交流社区，为SLAM行业从业者提供从入门、学习、交流、求职、线下链接、合作、咨询、答疑等一系列的服务）知识星球每日更新内容
【Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots】
文章链接：https://www.science.org/doi/10.1126/scirobotics.ad...
项目主页：Learning robust autonomous navigation an...
这项研究解决了轮腿式机器人在复杂环境中实现运动和自主所面临的挑战。我们提出了一个完全集成的系统，包括运动控制，移动感知导航规划和大规模规划。我们使用无模型强化学习( RL )技术和特权学习来开发一种通用控制器，能够在行走和驱动模式之间平滑过渡，跳开桌子，并克服其他障碍。移动性感知导航与运动控制器采用分层RL框架紧密集成。这种集成使机器人能够在具有挑战性的地形和静态和动态障碍物的复杂环境中导航。在苏黎世和塞维利亚的自主部署进一步验证了我们的方法。系统成功完成了千米级的任务，表现出鲁棒性和适应性。我们的研究强调了集成控制系统在复杂环境中无缝导航和运动的重要性。这些发现有助于轮腿式机器人解决方案和分层RL用于大规模导航的可行性，并对最后一公里运输和更远的距离有影响。
