轮式/履带式移动机器人可以胜任很多场景的探索、运输的任务，但是随着应用空间的拓展，需要机器人在山地、峭壁、丛林、雪地等崎岖复杂的地形的任务也逐渐增多，轮式/履带式机器人难以在这类地形中移动。自然界中动物经过数亿年的进化，具有极强的环境适应性，可以在各种路面上运动，而且具有很强的运动速度和负载能力。
目前的四足机器人已展示出了优秀的能力，未来随着理论的深入和技术发展，机器人的运动速度等性能会进一步提升，自主化也会逐步实现。未来开发中，四足机器人有以下几个发展趋势。
1.轮足运动相结合
腿足式与轮式运动结合，既可以利用腿足机构实现复杂地形穿越，又能通过轮式控制移动效率。苏黎世联邦理工学院开发了一种足式-轮式运动结合的机器人[1]。实验中使用动作捕捉系统来记录轮式四足机器人原型机的运动轨迹数据，和模拟结果与预期的位置姿态进行对比。
2.微型化
法国科学研究中心开发了一个低成本开源机器人[2]，重量仅2.5kg。在进行机器人性能实验评估时，光学动作捕捉系统来获取机器人运动位置、速度和姿态角度和角速度数据，作为位姿的参考真值（ground truth）。利用动作捕捉系统采集的数据，可以同时评估估计和参照跟踪的性能。
3.更大负载和更灵活的操作能力
四足机器人除了移动能力外还需要具有一定的操作能力，来完成更复杂的任务。比较常见的方式是在四足机器人上方搭载一个机械臂，比如Boston Dynamic的Spot Arm机器人。爱丁堡大学在ANYmal机器人上放置了一个6自由度机械臂[3]，通过轨迹优化提高系统的鲁棒性，实现稳定的移动操作。在重复性实验中，使用动捕系统计算机器人与操作目标之间的相对位姿关系。
但是这种方式需要额外搭载机械臂，降低了四足机器人的有效负载。现实世界中的很多动物利用四肢就即可完成操作。东京大学提出一种基于深度强化学习的方法，通过训练模型实现四足机器人利用四肢蹬球的任务[4]。实验中使用动捕系统确定球实时的位置和角速度信息，来评估机器人性能。
4.仿生进一步深化
对于足式机器人，防滑能力是一项重要指标，尤其是在山崖这种陡峭的地形运动时，防滑性尤为重要。山羊、鹿等动物在陡峭地形可以稳健的运动，但是目前仍不清楚哪些结构决定了防滑能力。英国帝国理工学院根据山羊蹄解剖结构设计了一种用于四足机器人的仿山羊蹄结构[5]，研究了该结构的动力学性能，利用光学动作捕捉系统获取结构三个主要关节运动过程中的角度变化，结合力传感器数据，确定了山羊蹄三个主要关节的顺应性水平与稳定性的关系。
5.环境感知更自然
随着传感器技术的发展，机器人可以获得更准确和全面的环境感知，利用充分的环境信息，机器人可以实现自主导航完成任务。常见的传感器包括激光雷达、视觉摄像头等，但是在地下矿井或下水道等极端场景中，由于烟雾、黑暗、污垢等原因，普通的传感器难以发挥作用。牛津大学开发了一种本体感知定位方法，利用四足机器人的脚接触，在没有激光雷达和摄像头的帮助下，根据预先绘制的环境地图进行定位，无需任何摄像头或激光雷达传感器的帮助[6]。所提出的方法使机器人能够在地形特征上进行一系列接触事件后准确地重新定位自己。该方法基于序列蒙特卡罗，可以同时支持 2.5D 和 3D 先验地图。实验中使用高精度动作捕捉系统采集机器人姿态作为真值（ground truth）。实验开始时用动捕系统测量机器人在地图中位置，仅用做初始化，后面使用粒子滤波器用于姿态估计，动捕系统仅用于计算统计误差。
6.更多应用场景
由于四足机器人运动性能以及成本的约束，拓展并寻找合适的应用场景也很重要。除了管线巡检、灾情救援和军事侦察外等场景外，四足机器人在太空探索中的应用也受到很多关注。
苏黎世联邦理工学院的研究人员受到猫的启发，开发了一种用于星际探索的跳跃四足机器人Spacebok[7][8]。Spacebok可以通过控制腾空阶段四肢运动调整状态，实现落地时达到预期姿态。机器人基于深度强化学习算法，通过在仿真环境训练神经网络，并直接部署在真实Spacebok机器人上。实验简化为一个二维平面，将Spacebok四足机器人固定在气浮台顶端，利用气浮台无摩擦运动模拟微重力状态。实验中需要实时获取机器人的姿态和距离地面距离的数据作为状态估计器的输入，由于作者关注的是运动控制，姿态和距地面距离数据的获取不是重点，因此使用外设的光学动作捕捉系统来跟踪记录机器人的高精度位姿数据。
同样用于机器人在空间环境中跳跃，跳跃拉瓦尔大学提出了一种方法[9]，使四足机器人可以在跳跃过程中关节限制条件下实现重定向，并利用原型机进行实验验证。为了对观察结果定量验证，作者使用动捕系统采集原型机运动数据，与仿真结果进行对比，通过对比均方根误差结果，验证所提方法的有效性。
经过多年发展，四足机器人已经取得了很多成果，在四足机器人的开发过程中，光学动作捕捉系统是一种有效而且必要的仪器设备。目前四足机器人的灵活性、运动速度等仍与动物有一定差距，需要进一步从仿生角度，研究动物结构、改进运动控制算法。未来四足机器人一定有更广阔的应用场景，光学动作捕捉系统也将发挥更大的作用。
参考文献：
1.Geilinger M, Winberg S, Coros S. A computational framework for designing skilled legged-wheeled robots[J]. IEEE Robotics and Automation Letters, 2020, 5(2): 3674-3681.
2.Léziart P A, Flayols T, Grimminger F, et al. Implementation of a Reactive Walking Controller for the New Open-Hardware Quadruped Solo-12[C]//2021 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2021: 5007-5013.
3.Ferrolho H, Ivan V, Merkt W, et al. RoLoMa: Robust Loco-Manipulation for Quadruped Robots with Arms[J]. arXiv preprint arXiv:2203.01446, 2022.
4.Shi F, Homberger T, Lee J, et al. Circus anymal: A quadruped learning dexterous manipulation with its limbs[C]//2021 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2021: 2316-2323.
5.Abad S A, Herzig N, Sadati S M H, et al. Significance of the compliance of the joints on the dynamic slip resistance of a bioinspired hoof[J]. IEEE Transactions on Robotics, 2019, 35(6): 1450-1463.
6.Buchanan R, Camurri M, Fallon M. Haptic sequential Monte Carlo localization for quadrupedal locomotion in vision-denied scenarios[C]//2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2020: 3657-3663.
7.Rudin N, Kolvenbach H, Tsounis V, et al. Cat-like jumping and landing of legged robots in low gravity using deep reinforcement learning[J]. IEEE Transactions on Robotics
8.Arm P, Zenkl R, Barton P, et al. Spacebok: A dynamic legged robot for space exploration[C]//2019 international conference on robotics and automation (ICRA). IEEE, 2019: 6288-6294.
9.Garant X, Gosselin C. Design and Experimental Validation of Reorientation Manoeuvres for a Free Falling Robot Inspired From the Cat Righting Reflex[J]. IEEE Transactions on Robotics, 2020, 37(2): 482-493.
