四足机器人

【四足强化学习经典算法】（一）：RMA——盲视运动控制与快速适应模块强化学习的价值不应局限于算法本身，更重要的是将其应用于复杂的实际问题。尤其是在机器人领域，面对传统控制方法难以应对的复杂环境与任务，强化学习为机器人自主决策与运动控制提供了新的思路。因此，学习强化学习不能仅停留在算法原理和简单环境的实验上，还需要结合复杂机器人与实际应用场景，进一步理解算法的设计思想与应用价值。

启元 T1 机器人 SDK 探秘：安装配置、六种变形动作与双机型共存实测启元有两台消费级机器人——Q1（纯双足）与 T1（轮足人形/四足变形）。两者的 SDK 包同名、同源、结构几乎一致，但 T1 的接口文档比 Q1 多出约 1200 行——多出的部分正是"变形"二字的接口实现：6 种形态切换动作（含双向前空翻）、一整套四足状态机。本文记录 T1 SDK 的完整探秘过程：编译实测（21左右秒，与 Q1 几乎一致）、一个"三周前能编译 Q1、今天编 T1 报错"的环境漂移坑、变形动作枚举的全家福验证、同名包覆盖的实锤测试，以及双机型 SDK 的隔离方案。全部验证脚本开源可复现。

ICRA 2025｜LocoVLM：视觉与语言驱动的通用足式运动策略自适应【文献解读】文献：LocoVLM: Grounding Vision and Language for Adapting Versatile Legged Locomotion Policies 作者：I Made Aswin Nahrendra, Seunghyun Lee, Dongkyu Lee, Hyun Myung 单位：KAIST（Korea Advanced Institute of Science and Technology）会议版本：ICRA 2025 Workshop on Safe Visi

音视频牛哥

四足机器人如何做好智慧电力巡检？从低延迟图传到可信巡检数据闭环四足机器人智慧电力巡检，不能只解决“把摄像头带到现场”的问题。对于远程人员而言，真正重要的是：看到的画面是否仍然代表当前现场，设备细节能否支撑判断，视频与测量数据是否对应同一次采集，以及网络中断之后，系统能否恢复到明确、可信的工作状态。

T-RO 2026 | 一个滤波器适配所有控制器：未知环境下四足机器人鲁棒安全导航【文献解读】文献：One Filter to Deploy Them All: Robust Safety for Quadrupedal Navigation in Unknown Environments 作者：Albert Lin, Shuang Peng, Somil Bansal 期刊：IEEE Transactions on Robotics (TRO), Vol. 42, pp. 545–560, 2026 项目主页：https://sia-lab-git.github.io/One_Filter_to

万亿少女的梦168

基于STM32F103C8T6与ASR Pro的语音控制四足机器人设计技术说明：本文围绕基于STM32F103C8T6的语音控制四足机器人进行嵌入式系统设计复盘，重点整理ASR Pro语音识别、PWM舵机驱动、机器人姿态动作、硬件电路、PCB设计和系统调试等技术要点。内容用于单片机应用、机器人控制和嵌入式人机交互方法交流，不涉及商业推广或服务宣传。

VBot四足机器人 Convex MPC 控制项目分析本项目基于 Unitree Go2 四足机器人的 Convex MPC（凸模型预测控制）开源项目，将其适配到 VBot 四足机器人模型上。核心目标是保留原项目的 Convex MPC 控制算法，将硬绑定 Unitree Go2 的机器人模型接口替换为 VBot 的模型接口。

DreamWaQ — 通过深度强化学习，利用隐式地形想象学习稳健的四足步态【文献解读】论文标题：DreamWaQ: Learning Robust Quadrupedal Locomotion With Implicit Terrain Imagination via Deep Reinforcement Learning

RMA: Rapid Motor Adaptation for Legged Robots 文献解读论文标题: RMA: Rapid Motor Adaptation for Legged Robots 作者: Ashish Kumar (UC Berkeley), Zipeng Fu (CMU), Deepak Pathak (CMU), Jitendra Malik (UC Berkeley, Facebook) 发表会议: RSS 2021 (Robotics: Science and Systems) 项目主页: https://ashish-kmr.github.io/rma-legged-r

Learning Visual Locomotion with Cross-Modal Supervision 文献解读论文标题: Learning Visual Locomotion with Cross-Modal Supervision 作者: Antonio Loquercio*, Ashish Kumar*, Jitendra Malik (UC Berkeley，*表示同等贡献) 发表会议: ICRA 2023 (IEEE International Conference on Robotics and Automation) 项目主页: https://antonilo.github.io/vision_lo

查无此人byebye

PyBullet实现四足机器人A1键盘控制（前进/后退/停止）四足机器人仿真是机器人学学习的经典场景，PyBullet作为轻量级的物理仿真引擎，无需复杂配置即可快速实现机器人的动力学仿真与关节控制。本文将从零搭建A1四足机器人的仿真环境，通过键盘交互实现机器人前进、后退、停止的核心功能，帮助新手理解四足机器人步态设计、键盘监听与PyBullet仿真控制的核心逻辑。

沐欣工作室_lvyiyi

一种简易高灵活性机械四足机器人的设计与实现（论文+源码）本设计简易高灵活性机械四足机器人的设计与实现的系统架构如图2.1.所示，系统采用STM32F103单片机作为控制器，通过四个SG90舵机实现对四足机器人运动控制，在此可以实现四足机器人的前、后、左、右、站立、趴下等不同状态的运动控制，并通过OLED液晶展示四足机器人的表情状态，同时采用WiFi通信模块实现与手机APP的通信。用户可以通过手机APP实现对四足机器人的运动控制。

音视频牛哥

四足机器人远程视频与互动控制的全链路方案随着机器人行业的快速发展，特别是四足仿生机器人在巡检、探测、安防、救援等复杂环境中的广泛部署，如何实现高质量、低延迟的远程视频监控与人机互动控制，已经成为制约其应用落地与规模化推广的关键技术难题。

【论文阅读】RMA: Rapid Motor Adaptation for Legged RobotsRMA（Rapid Motor Adaptation）算法通过两阶段训练实现四足机器人在复杂环境中的快速适应。

2、选择什么样的机器人本体如果说世界是物质的，那么应该先制造出机器人的本体，再让她产生灵魂。如果是精神的呢，世界是无中生有的呢，那就先在仿真中研究算法吧。而我比较崇尚初中哲学的一句话，世界是物质的，物质是运动的，运动是有规律的，规律是可以认识的。所以我先选择了本体。 1、InMoov 首先的一个强烈的冲动，是制造一个全尺寸的人形机器人，可以出席各种活动，与人打招呼，攀谈，尽显B格。找了很久，终于选定了InMoov。3d打印机都选好了，就要动手时，又在facebooke、DFRobot、instructables.com、古月居、

UR5 机器人 URDF 代码阅读该段XML代码在机器人建模中定义了一个名为“base_link”的链接单元，这个链接具备视觉、碰撞和惯性属性，适用于UR5机器人模型或类似应用场景。以下是各个部分的具体说明：

论文阅读：四足机器人对抗运动先验学习稳健和敏捷的行走论文：Learning Robust and Agile Legged Locomotion Using Adversarial Motion Priors

OCS2 入门教程（五）- 从 URDF 到 OCP、配置求解器、MPC - Net阻碍 MPC 在机器人任务中广泛应用的主要挑战之一是设置最优控制问题的负担。OCS2 提供了多个辅助类，用于定义一些常用模型、成本和约束条件，以减轻这一问题。为此，OCS2 提供了多个第三方软件包接口，如 RobCoGen、CppADCodeGen、Pinocchio 和 HPP-FCL。我们在此重点介绍 Pinocchio 接口。本页讨论的所有软件包都可以在元软件包 ocs2_pinocchio 中找到。

【AI视野·今日Robot 机器人论文速览第五十二期】Wed, 11 Oct 2023AI视野·今日CS.Robotics 机器人学论文速览 Wed, 11 Oct 2023 Totally 31 papers 👉上期速览✈更多精彩请移步主页

我是有底线的