1）落地场景及技术分层：
四足机器人本身具有四个方向进行梳理：
A）工业巡检，电厂，化工厂
B）公共安全，消防侦查，排爆，
C）商业服务，引流，导览，智慧园区巡检
D）科研教育，高效算法验证平台
E）建筑工地，进度监控，测绘辅助
L4---AI大脑，强化学习&大模型
L3---视觉感知，识别台阶，仪表和障碍物
L2---导航定位
L1---运动控制
导航与SLAM：
自驾-- 车轮递推+GPS+地图（高精，SD）+感知物体（车道线，车沿，显示牌）
机器狗--四足高程地图+激光雷达+深度信息+IMU+语义
RL：从环境中得到reward，能够自我学习如何走路，形成参数
LLM Intergration：自然语言交互："去检查变压器温度"机器人解析意图->规划路径->视觉识别异常
2）四足机器人RL：
测试环境：
A）场景：
斜坡（最大30度）
楼梯（高度15-20cm）
草地、台阶、碎石路
积水区域
狭窄通道
B）动态：
表演动作及串联
打滑及外向力抗扰性
姿态以及跟线速度
Sim2Real的Gap
仿真里完美，实物上翻车
A）弄清楚所有奖励函数,表示每个参数的具体意义
B）修改参数前，需要检查 坐标系，URDF，电机限制值（力矩，机械限位等），电机模型，硬件等
C）记录给与同样command值，以及过程观测值，
command值：LineVelocity，Yawrate及场景
obeservation值：IMU值，各个Joint Torque，Position，Velocity，Acceleration，功耗情况
进行数据回访和记录，最后也可以利用相同command在mujuco仿真看仿真的观测值与实际记录观测值的gap
D）优化点
速度跟随性，可能借助lidar等外闭环传感器
姿态的优雅和稳定性
整体能耗降低，以及电机发热控制
后面有详细的文章介绍
3）四度机器人未来新技术趋势：
A）本身MPC步态控制及落足点传统控制依旧需要学习
B）视觉-力触觉融合：让机器狗"感觉"更灵敏
C）大模型应用：让机器狗理解复杂指令
D）能耗优化：延长续航时间
E）极限运动：后空翻、跑酷，全地形的适用性
F）仿真到现实的迁移经验
4）立个Flag
A）读2-3篇最新论文及会议视频，期刊等，主要是基于新技术趋势，摘要学习
B）研究开源项目，并且和小伙伴进行复现和摘要学习
C）学习新的算法和工具