一般而言，对于我们普通大众而言，我们人要确定前方或附近某个位置，往往需要眼睛去看、大脑认知系统去认来辨别并定位。而加诸到机器人身上，可以说摄像头就是机器人的“眼睛”，而激光雷达则扮演着认知定位系统，所以机器人用摄像头和激光雷达扫描和定位，是现代机器人常用到几乎不可或缺的解决方案。
而国外偏偏就有这么一家四足机器人研发公司，不走寻常路，他们研发的机器狗，根本就不用摄像机和激光雷达，一人客看资料称，即便如此，他家的机器狗居然还能稳稳当当，轻松穿越小溪流啦草地啦雪地啦以及更有挑战的场景碎石山坡。
要知道，上述这些有难度的地面环境，即便是万物灵长的人，走起来都有难度，即便小心翼翼巍巍颤颤地穿行，也很可能一不留神就摔得噼里啪啦。而要打造这样一款超越人类平衡的腿式机器人，难度自然是难以想象地高。
而来自瑞士的这家ANYbotics公司的团队，就直面了这个挑战。在新一期《Science Robotics》中，他们团队发表了一篇标题为《Learning quadrupedal locomotion over challenging terrain》的论文，提出了一种稳健的控制器，可以部署到 ANYbotics 旗下多种机器人中。而在这款新型控制器的加持下，他们的机器人可以轻松翻越溪流、草地、雪地、碎石坡等富有挑战的场景。他们的机器人，还上了封面。
腿式机器人的运动平衡是世界难题。因为现实场景的复杂性和多变性，机器人腿部运动的常规系统控制复杂性不断攀升，不仅开发和维护越来越难，而且还容易出问题。
而随着人工智能技术的进步，无模型强化学习（RL）成为腿部机器人运动控制器开发中的解决方案。虽然如此，但它依然有很大局限性：仅限于实验室的环境和条件。而其他研究也开发了用于腿式运动的强化学习技术，但同样是在实验的环境中，主要集中在平坦或带有中等纹理的表面上。可以说，传统方法已经不够用了。
为此，ANYbotics的研究者提出了一种稳健的控制器，用于在充满挑战的地形上进行盲四足运动。据了解他们的控制器仅使用联合编码器和惯性测量单元的本体感受（proprioceptive）度量，这是腿式机器人上最耐用最可靠的传感器。
因此他们的机器狗，不但没有用到常规机器人用的摄像机、激光雷达，而且还没有用常规的接触式传感器，只依赖本体感受传感器信号（proprioceptive sensor signal）来提高控制策略在不同地形中的适应性和稳健性。
据他们研究团队的介绍，这个控制器由一种神经网络策略驱动，在模拟环境中进行训练。虽然没有任何现实世界的数据和精确的地形模型，该控制器仍然能克服野外的各种不规则地形。而且，他们的机器狗使用的方法超越其他机器人的地方在于，使用了序列模型，特别是感受状态的时间卷积网络（TCN）。新方法没有使用显式的接触和滑动预估模块，相反的 TCN 会根据需求从本体感受历史中隐式地推理出接触和滑动事件。
综合来看，虽然研究者在模拟训练中只生成了刚性地貌和一组由程序生成的地形剖面，然而部署到四足机器人身上后，它能成功地应对各种可变化的地形、动态立足点和地面障碍物。所以，不需要艰苦的建模以及高成本的测试，机器人就可以克服物理世界中的复杂，这个方法可能会引领未来腿式机器人的发展方向。
