MiNI-Q单一策略统一270克连续旋转四足机器人直立倒立行走与落地恢复

能否训练一个完全在机载微控制器上执行的单一强化学习策略，利用连续旋转腿的对称性，统一亚千克级四足机器人的直立行走、倒立行走和落地恢复？

亚千克级四足机器人上的闭环学习控制仍少见，倒立运动通常依赖预计算轨迹或独立恢复控制器。MiNI-Q的八个连续旋转关节使关节空间成为环面T^8，标准关节角度观测在±π处不连续，且倒立支撑配置和落地恢复难以用一个策略覆盖。轻量腿部、皮带传动和双微控制器架构也增加了仿真到真实迁移的难度。

此前的亚千克级平台如MiNI-Q和Q8bot主要作为硬件介绍或开环控制，倒立运动使用预计算轨迹。其他小型四足学习工作如Petoi Bittle部署在树莓派上或仅在仿真中研究。行为家族方法如Walk These Ways和ANYmal恢复面向有界关节四足机器人，采用独立恢复控制器或相位切换，未利用连续旋转关节的环面表示和重力对称。

新方法将关节空间显式建模为T^8，用正弦余弦嵌入消除角度不连续，并通过重力条件参考变换I(a,b)=(π-a,-b)在投影重力符号变化时切换直立与倒立参考。策略是[128,128] ELU MLP，输出加入参考的八个关节位置偏移。训练在4096个Isaac Gym环境中使用PPO，联合课程从直立扰动、侧向落地到SO(3)方向释放，姿态采样从锚点抖动到任意锚点对插值。脚型域随机化和辨识的舵机模型支持硬件迁移，策略以50 Hz在ESP32-S3和ESP32-C3双微控制器上完全机载执行。

硬件实验使用同一策略在同一台MiNI-Q上完成。前向速度跟踪在0.15 m/s指令下，直立RMSE为0.037±0.004 m/s，倒立为0.050±0.003 m/s，各5次试验。25秒连续姿态变化试验重复5次，平均RMSE约0.04 m/s。释放恢复共30次试验，24次成功（80%），其中倒立滚转6/6，抛掷5/6，直立俯仰和倒立俯仰各4/6，直立滚转5/6，成功定义为首次接触后5秒内稳定行走，释放高度20至30 cm。脚型转移在MDF、聚碳酸酯、人造草皮和橡胶四种表面上测试，Rounded脚在训练集中，Hex、Square和Spike为未见的物理形状，每种组合N=3，所有16种组合均能行走，Rounded误差0.041至0.065 m/s，其余12个未见过形状的RMSE范围为0.055至0.136 m/s，中位数0.087 m/s。仿真消融中，统一基线的前向速度跟踪分数直立0.98、倒立1.00、偏航0.79、恢复时间6.9 s；移除重力条件参考使倒立跟踪降至0.02，用原始角度替代环面编码降至0.21。机载推理[128,128]策略耗时594.33微秒，RAM 150.3 kB，Flash 846.7 kB。辨识舵机模型将关节轨迹RMSE从约0.49 rad降至髋0.029 rad和膝0.025 rad，17至20倍降低。

作者承认硬件评估仅覆盖一台机器人、四种室内表面、选定姿态和20至30 cm释放高度；跨单元差异、户外地形和较大初始角速度未表征。跟踪误差相对0.15 m/s指令仍较大。释放失败包括驱动器过流关断、电池触点脱落和皮带跳齿。锚点覆盖受训练稳定性限制。仿真消融每种变体仅训练一次，未量化种子变异性。论文未报告代码是否开源。