前言：
2019年的Robocon比赛出的题目有关四足机器人越障爬坡的赛题，这不就是指的是波士顿的大狗吗？所以近期做了些仿真，效果还行，在我之前用强化学习训练的机械狗上面又多加了个自由度，仿真还是在Unity3D上进行，总的来说就是比较方便！但是Unity也有它的坑，导致我调试检查好长时间！这里由于内容很多，所以就简单介绍下仿真结果和发展方向。如果有人问我，为什么不做实物，那就是资金不够，连一条腿的硬件都做不起！
在Unity中由于一些原因，没有像 浙大和波士顿通用动力的机器狗使用力控，但即使这样，最后的效果还是可以的。我想在如果能做出实物有的话，可以 基于力控通过AI来训练他上楼梯或者跳跃，这点就是MIT在Cheetah3做的实践。同时大狗只是一个平台，依据激光雷达和机器视觉在深度学习方面的应用，可以做到导航避障，物体跟踪，安装机械臂，就可以进行物体抓取。
放一张Cheetah3的靓照：
仿真结果：
原地踏步，高抬腿
向前走及侧面移动：
侧面移动1：
侧面移动2：
以上就是一些简单的的动作执行，每条腿都是独立的，步态的所有参数都可以调节，而且现在的程序架构是基层的，意味着只要有上层进行通讯或者指令就可以做出相应的动作！上层结构包括步态规划，姿态反馈及控制等。
前个礼拜也尝试着画了舵机版机械狗的三维模型，有兴趣的朋友可以联系我。
CATIA的设计原型：
求机械大佬勿嘲。
再来一张实物的照片：
用舵机说实话没有反馈是有极大缺陷的，不赞成！但是资金严重短缺！
总的来说，做出硬件是非常消耗时间和金钱的事情，目前能力所不及，而且还没有到一些复杂的结构设计！
这条狗，我希望后面能有机会做出来（不一定是上面这样），不仅仅是传统算法的验证，同时还是一个执行强化学习算法的平台，将传统的经典算法和机器学习相互结合起来，将有非同凡响的效果，这点我深信不移！在早些时候，个人认为神经网络群将在机器人学大放异彩！
目前，个人想基于这套传统的算法，去进行模仿学习（Imitation learning）的研究，让机器人以传统算法为先见之明去学习步法！前面我做的基于PPO的训练大狗的例子：PPO-DOG
就在不久前在IROS2018，马德里，用公布了Altas的视频：