足式机器人在现实世界中的成功部署需要它们实时适应到看不见的场景，如不断变化的地形、不断变化的有效载荷、磨损。本文提出了快速电机自适应 (RMA) 算法来解决四足机器人的实时在线自适应问题。RMA 由两个组件组成：基本策略和适配模块。这些组件的组合使机器人能够在几分之一秒内适应新情况。RMA 在不使用任何领域知识（如参考轨迹或预定义的足部轨迹生成器）的情况下完全在模拟中进行训练，并且无需任何微调即可部署在 A1 机器人上。我们使用受生物能量学启发的奖励在各种地形生成器上训练 RMA，并将其部署在各种困难地形上，包括岩石、湿滑、可变形表面，包括草、长植被、混凝土、鹅卵石、楼梯、沙子等环境中。RMA 在不同的现实世界和模拟实验中展示了最先进的性能。

      来自卡内基梅隆大学和加州大学伯克利分校的一组研究人员与 Facebook AI 的一个团队合作，开发了一种新型的机器人反应式机车系统。这被称为快速运动适应，它允许机器人通过学习过去的经验来穿越各种地形类型。该小组已经写了一篇论文，描述了他们的新技术以及它在测试时的工作情况，并将其发布在 arXiv 预印本服务器上。

      这个机器人是由中国创业公司宇树制造的，它有四条腿，走路像狗一样，而且有看路的能力。相反，它通过调整它的姿态正在穿越的表面的独特地形前进。研究人员将该软件设计成一个自学习系统。然后，他们将一个来自杭州宇树的机器狗放入各种模拟环境中。训练机器人实际上首先大大减少了学习时间。然后，这个机器人在现实世界中的各种环境中被放置在不同的表面上。在一个场景中，机器人选择穿过一片多岩石的海滩; 在另一个场景中，机器人从一个小山脊上下来，对突然下降的情况立即做出反应。研究小组还让它在涂满油的塑料上行走，以测试它在光滑表面上的能力。他们还测试了它对意想不到的挫折的反应能力，比如把一个重物抛到它的背上。

      研究人员指出，他们的新训练技术完全基于试错法。他们的方法比其他学习系统允许更多微妙的反应。例如，他们指出，机器人在踏上沙子时能够改变自己的步态ーー每一步都必须根据其脚下表面的轻松程度以一种新的方式迈出。他们声称这是第一个完全基于经验的四足机器人学习系统。

他们还表示，他们的技术可以证明在地形难以预测的搜救行动中是有用的。他们指出，他们的机器人70% 的时间成功地导航了一条徒步路线，80% 的时间成功地走过了一堆堆水泥和鹅卵石。

Kumar, Ashish, et al. "RMA: Rapid Motor Adaptation for Legged Robots." arXiv preprint arXiv:2107.04034 (2021).