四足机器人
具有四条腿的仿生机器人，模仿四足动物的运动方式实现复杂地形行走，典型代表为波士顿动力Spot和MIT Mini Cheetah，是机器人研究的重要方向
时间轴 (近 90 天)
Cubic Doggo项目在训练中引入了水平方向随机推力，对3公斤的机器人施加高达5N的随机力，以模拟真实环境中的侧向冲击。
四足机器人在碎石地上仅靠IMU进行姿态修正可能导致负反馈循环：修正动作本身在松散地面上产生新的扰动，表现为越修越晃
提升计算速度或采样率并不总能解决四足机器人在碎石地形上的平衡问题，真正的瓶颈往往在于机械执行环节的物理惯性
四足机器人的控制链路（从IMU采样、状态估计、步态规划、逆运动学求解到电机驱动器执行）总延迟通常在几毫秒到几十毫秒量级
time_horizon不能无限缩短，对于四足行走这类需要多步协调动作的任务，过短的horizon会让智能体难以观察到完整步态周期，优势估计会因频繁bootstrap而偏差。
该项目仍处于早期开发阶段，仅完成单腿测试，具体性能数据有待后续验证
该项目最终目标是整机具备12自由度（每条腿3个自由度、共四条腿），整机重量控制在约3kg
该执行器系统采用约14:1的总减速比
该项目当前测试的腿部采用2自由度（2 DOF）结构
一位开发者开源了一个仅凭一段普通手机视频训练四足机器人模仿真实狗运动方式的项目
全部知识事实 (11)
Cubic Doggo项目在训练中引入了水平方向随机推力，对3公斤的机器人施加高达5N的随机力，以模拟真实环境中的侧向冲击。
50%待验证提升计算速度或采样率并不总能解决四足机器人在碎石地形上的平衡问题，真正的瓶颈往往在于机械执行环节的物理惯性
50%待验证四足机器人在碎石地上仅靠IMU进行姿态修正可能导致负反馈循环：修正动作本身在松散地面上产生新的扰动，表现为越修越晃
50%待验证四足机器人的控制链路（从IMU采样、状态估计、步态规划、逆运动学求解到电机驱动器执行）总延迟通常在几毫秒到几十毫秒量级
50%待验证time_horizon不能无限缩短，对于四足行走这类需要多步协调动作的任务，过短的horizon会让智能体难以观察到完整步态周期，优势估计会因频繁bootstrap而偏差。
50%待验证该项目仍处于早期开发阶段，仅完成单腿测试，具体性能数据有待后续验证
50%待验证该项目当前测试的腿部采用2自由度（2 DOF）结构
50%待验证该执行器系统采用约14:1的总减速比
50%待验证该项目最终目标是整机具备12自由度（每条腿3个自由度、共四条腿），整机重量控制在约3kg
50%待验证四足机器人载人方案以仿生腿替代轮子，兼具主动越障能力与相对自然的运动姿态，且不对使用者身体施加直接机械约束
50%待验证一位开发者开源了一个仅凭一段普通手机视频训练四足机器人模仿真实狗运动方式的项目
50%