前言：
2019年的Robocon比賽出的題目有關四足機器人越障爬坡的賽題，這不就是指的是波士頓的大狗嗎？是以近期做了些仿真，效果還行，在我之前用強化學習訓練的機械狗上面又多加了個自由度，仿真還是在Unity3D上進行，總的來說就是比較友善！但是Unity也有它的坑，導緻我調試檢查好長時間！這裡由于内容很多，是以就簡單介紹下仿真結果和發展方向。如果有人問我，為什麼不做實物，那就是資金不夠，連一條腿的硬體都做不起！
在Unity中由于一些原因，沒有像 浙大和波士頓通用動力的機器狗使用力控，但即使這樣，最後的效果還是可以的。我想在如果能做出實物有的話，可以 基于力控通過AI來訓練他上樓梯或者跳躍，這點就是MIT在Cheetah3做的實踐。同時大狗隻是一個平台，依據雷射雷達和機器視覺在深度學習方面的應用，可以做到導航避障，物體跟蹤，安裝機械臂，就可以進行物體抓取。
放一張Cheetah3的靓照：
仿真結果：
原地踏步，高擡腿
向前走及側面移動：
側面移動1：
側面移動2：
以上就是一些簡單的的動作執行，每條腿都是獨立的，步态的所有參數都可以調節，而且現在的程式架構是基層的，意味着隻要有上層進行通訊或者指令就可以做出相應的動作！上層結構包括步态規劃，姿态回報及控制等。
前個禮拜也嘗試着畫了舵機版機械狗的三維模型，有興趣的朋友可以聯系我。
CATIA的設計原型：
求機械大佬勿嘲。
再來一張實物的照片：
用舵機說實話沒有回報是有極大缺陷的，不贊成！但是資金嚴重短缺！
總的來說，做出硬體是非常消耗時間和金錢的事情，目前能力所不及，而且還沒有到一些複雜的結構設計！
這條狗，我希望後面能有機會做出來（不一定是上面這樣），不僅僅是傳統算法的驗證，同時還是一個執行強化學習算法的平台，将傳統的經典算法和機器學習互相結合起來，将有非同凡響的效果，這點我深信不移！在早些時候，個人認為神經網絡群将在機器人學大放異彩！
目前，個人想基于這套傳統的算法，去進行模仿學習（Imitation learning）的研究，讓機器人以傳統算法為先見之明去學習步法！前面我做的基于PPO的訓練大狗的例子：PPO-DOG
就在不久前在IROS2018，馬德裡，用公布了Altas的視訊：