#四足机器人

rex-gym

rex-gym是一个开源项目，致力于通过强化学习和OpenAI Gym环境训练3D打印四足机器人，实现模拟训练到真实执行的无缝迁移。支持命令行操作、多种训练模式和地形模拟，旨在测试并提升控制策略的适应性。rex-gym不仅适用于教育和研发领域，其丰富的仿真环境和控制策略在实际应用中也已展示出显著的适应性和效果。

umi-on-legs

UMI on Legs项目为四足机器人与机械臂结合提供了可扩展的操作技能框架。该框架整合真实人类示范和模拟训练的全身控制器，实现视觉运动策略在四足机器人上的应用。项目涵盖全身控制器模拟训练、实际部署、iPhone里程计应用、UMI真实环境类和ARX5 SDK等组件，为机器人操作研究提供综合解决方案。

StanfordQuadruped

StanfordQuadruped项目宣布停止支持Pupper v1，转而开发Pupper v3。新版本将采用400W无刷电机、树莓派5和深度摄像头，并集成强化学习运动策略。该项目此前开发的四足机器人能够奔跑、行走和跳跃，引起广泛关注。尽管停止对旧版支持，项目团队表示Pupper v3将继续保持开源，并计划在未来数月内发布详细构建指南。新版本预计材料成本约1000美元，为爱好者和开发者提供了可负担的高性能四足机器人平台。

barkour_robot

Barkour是Google DeepMind开发的灵活四足机器人系列。该开源项目提供完整设计资源,包括CAD模型、电路设计、组装指南、固件和底层代码。项目还包含仿真环境和机械设计文件,有助于研究人员复制或改进这一先进平台。Barkour机器人具备多样化运动能力,适用于广泛的研究领域。提供固定头部和带可动头部(抓取器)两个版本,包括MuJoCo仿真模型、电子设计文件和定制电机驱动器。详细组装指南和支持EtherCAT通信的嵌入式软件也已开源。Barkour展示了跳跃、平衡和物体操作等高级运动能力。

rl-mpc-locomotion

这个项目为四足机器人运动任务开发了一个快速仿真和强化学习训练框架。它采用分层控制结构，结合高层策略网络和低层模型预测控制器。其MPC控制器基于Cheetah Software改写，便于移植到主流仿真平台。项目利用NVIDIA Isaac Gym进行并行训练，使用Unitree Robotics的Aliengo模型，并实现了从仿真到实物的迁移。该框架适用于多种四足机器人类型和步态，为相关研究提供了有力支持。