SF-TIM: A Simple Framework for Enhancing Quadrupedal Robot Jumping Agility by Combining Terrain Imagination and Measurement

本文提出了一种名为SF-TIM（结合地形想象和测量的简单框架）的单一策略方法，增强了四足机器人跳跃的敏捷性，同时保留了它们基本的盲目行走能力。与在崎岖地形上行走相比，动态在陡峭表面上运动需要融合本体感知和外部感知以进行爆发性动作。此外，我们还引入了一种地形引导奖励设计，专门帮助四足机器人高跳，提高了它们在此任务中的表现。为了缩小四足机器人学习中的模拟和现实之间的差距，我们引入了一个稳定且高速的高程图生成框架，实现了运动能力的零样本模拟到现实的转移。我们的算法已经在小型和大型四足机器人上部署和验证，展示了其在实际应用中的有效性：机器人已成功穿越各种高平台和间隙，显示了我们提出的方法的鲁棒性。演示视频可在https://flysoaryun.github.io/SF-TIM上获得。

论文旨在提高四足机器人的跳跃能力，同时保留其盲目行走的基本能力，解决在突然表面上的动态运动需要融合自体感知和外部感知的问题。

论文提出了SF-TIM（结合地形想象和测量的简单框架），这是一种单一策略方法，可增强四足机器人的跳跃敏捷性。此外，作者还引入了一种地形引导的奖励设计，专门帮助四足机器人高跳，提高其在此任务中的性能。为了缩小四足机器人学习中的模拟到现实的差距，作者引入了一种稳定且高速的高程地图生成框架，实现了运动能力的零样本模拟到现实的转移。

论文在小型/大型四足机器人上进行了验证，展示了其在实际应用中的有效性。作者提供了演示视频和开源代码。

最近的相关研究包括： 1. Learning to Jump: From the Lab to the Real World 2. Dynamic Locomotion in Quadruped Robots: A Review