基于视觉的户外环境运动控制对四足机器人提出了巨大挑战。在真实环境部署中，如何实现精确的环境预测并有效应对深度传感器噪声仍面临巨大挑战，这严重限制了此类算法在户外的应用。为解决视觉运动控制在部署中的这些问题，本文提出了一种冗余估计器网络（Redundant Estimator Network, RENet）框架。该框架采用双估计器架构，在机载视觉失效的情况下，既能保证运动性能的鲁棒性，又能维持部署的稳定性。通过在线估计器自适应机制，我们的方法能够在处理视觉感知不确定性时，实现不同估计模块之间的无缝切换。实地机器人实验验证了该框架在复杂户外环境中的有效性，尤其在视觉感知退化的场景中展现出明显优势。该框架显示出其作为一种实用方案，在复杂野外条件下实现可靠机器人部署的潜力。
论文链接：
https://ieeexplore.ieee.org/document/11155164
https://arxiv.org/pdf/2509.09283
项目网站：
https://RENet-Loco.github.io/
