发表于《IEEE Robotics and Automation Letters》
论文链接：https://ieeexplore.ieee.org/document/11302803。
摘要：使机器人能够在易变形的地形上行走对于从灾难应对到行星探索等众多应用至关重要。尽管双足机器人具有巨大潜力，但它们在可变形表面上的运动能力仍然有限，因为当前的模拟器无法捕捉到此类易变地形的时空异质性。
我们提出了MILD模型，该模型采用基于物理的离散元接触求解器，能够准确模拟空间变化的足地相互作用。作为对该模型的补充，我们通过深度强化学习，结合潜在调制和本体感受估计，训练了一个地形感知的运动控制器。
与最先进方法的定量对比表明，我们的方法在训练过程中生成了更多样化和更真实的接触场景，从而使控制器能够在真实的可变形表面上自然适应。通过硬件实验，我们展示了该系统在各种表面刚度范围内进行在线地形识别和适应的能力。
