一项可如活体动物般感知周边环境并作出判断，能够行走、奔跑和跳跃的四足行走机器人技术已实现。该技术不同于现有四足行走机器人控制技术之处在于，机器人不会局限于单一固定步态，而是可通过一个控制器灵活切换多种步行动作，即使面对复杂障碍物和不断变化的户外环境，也能实时应对。
韩国科学技术院（KAIST）16日表示，机械工程系Park Haewon教授团队开发出一项四足行走机器人的核心控制技术，可使机器人在崎岖地形等真实户外环境中快速、稳定地移动。
四足行走机器人依靠四条腿移动，因此较轮式机器人更容易在崎岖地形中活动。但在户外，台阶、高低差、踏脚石、缝隙和树枝等障碍物随时可能阻碍行走，仅凭快速步行或奔跑能力，难以实现顺畅移动。
事实上，现有四足行走机器人虽然在平地快速奔跑或跨越简单障碍物方面表现出色，但在布设复合障碍物的户外环境中，仍难以兼顾速度与稳定性。
尤其是，步行、奔跑、跳跃等步行技术需分别控制，因此难以灵活应对环境变化。
为克服这一局限，研究团队开发了“基于动作预训练的Transformer强化学习（Action Pretrained Transformer-based Reinforcement Learning，APT-RL）”控制技术。该技术使机器人预先学习步行、奔跑、跳跃等多种步行技能后，能够在实际环境中自主组合和切换行为类型。
在开发基于动作预训练的Transformer强化学习过程中，研究团队未拍摄真实人类或动物的动作，仅通过计算机模拟，便在8分钟内生成了包含多种技能、时长达15.5小时的训练数据。
生成的数据被用于训练四足行走机器人的基础运动能力。在训练过程中，团队应用了以数学方式表达机器人运动原理的“机器人动力学”模型，以及计算高效移动路径的“轨迹优化”技术，使机器人能够比以往更快速、高效地学习步行技能。
此外，团队引入通过反复试错自主学习最优行为的“强化学习”，使机器人在台阶、高低差、缝隙、踏脚石等三维地形中，也能自行选择和切换适合不同情况的步行技能；并结合可测量与物体距离以获取立体信息的“深度相机（Depth Camera）”，以及利用激光三维测量周边环境的“激光雷达（LiDAR）”，进一步提升了技术成熟度。
研究团队介绍，通过上述技术，四足行走机器人能够实时识别周边环境和目标速度，并自主选择最合适的步行策略。
基于动作预训练的Transformer强化学习最大的特点，是可在单一控制器中自主选择和切换步行、奔跑、跳跃等各类步行技能，从而实时应对外部环境变化。
（左起）Park Jaehyun，韩国科学技术院博士生；Park Haewon，韩国科学技术院教授；Hong Seungwoo，高丽大学教授；Kang Joongil，研究员（研究当时任职于国防科学研究所）。韩国科学技术院供图
View original image研究团队还将基于动作预训练的Transformer强化学习搭载于四足行走机器人“KAIST Hound”，并完成性能验证。实验在室内障碍赛道、韩国科学技术院校园以及林间道路等真实户外环境中进行。结果显示，KAIST Hound不仅能在包含台阶、草地和坡道的城市型地形中移动，也能在倒木、裸露树根和落叶路面等非结构化自然地形中，根据不同情况实时切换步行技能，展现出稳定的移动能力。
尤其是在含有障碍物的崎岖地形中，该机器人瞬时最高速度达到每秒6米，即时速22公里，证明其在真实户外环境中同样能够实现快速移动并保持稳定性。
Park Haewon教授表示：“基于动作预训练的Transformer强化学习结合基础步行技能训练与强化学习，使四足行走机器人能够在台阶、高低差、缝隙和林间道路等多种外部环境中，自主选择和调整行为类型。研究团队期待，未来这项技术可应用于人员难以接近的灾害现场、国防任务、工业设施检查等崎岖地形中的具身人工智能步行机器人领域。”
![“暴跌时抛了怎么办”……三星电子、SK海力士目标价55万、420万韩元，该买非卖？[周末理财]](https://cwcontent.asiae.co.kr/asiaresize/93/2026071415403645750_1784011236.jpg)
此次研究由Kang Jungil研究员（研究当时任职于国防科学研究所）和韩国科学技术院机械工程系博士研究生Park Jaehyun担任共同第一作者，Park Haewon教授与高丽大学Hong Seungwoo教授担任共同通讯作者。研究成果被选为机器人领域国际学术期刊《Science Robotics》7月刊的封面论文并发表。
版权所有 © 阿视亚经济。未经许可不得转载，禁止用于AI训练及使用。
