虽然现有的足式机器人已经有很好的运动稳定性，能实现动物中常见的各种步态，但面对一些复杂的，超高机动性的动作时还是有点捉襟见肘。有研究者尝试通过非线性优化离线生成复杂的动作，然后利用全身力控来在线跟踪调整，已经取得了不少令人印象深刻的成果。如何实现非线性优化的实时在线解算，是很多研究工作者持续努力改进的方向。
最近，基于机器学习、特别是深度强化学习的控制方法在足式机器人的控制领域得到了广泛的关注，像ETH的ANYMAL团队已经在这个方向上多有建树。它所具有的学习泛化能力，让人们对将它应用于复杂动作的生成充满期待。
运动控制算法的日趋完善，电机、IMU、处理器等核心器件规模化带来的低成本，催生了一批新兴的足式机器人公司，让这些以前只在实验室里的家伙频频出现在我们生活中，相信不久的将来，它们会成为新世纪的宠物，常伴我们左右。
参考文献
[1] https://www.animatornotebook.com/learn/quadrupeds-gaits
[2] Raibert M H. Legged robots that balance[M]. MIT press, 1986.
[3] Pratt J E. Virtual model control of a biped walking robot[J]. 1995.
[4] Kajita S, et al. Humanoid robotics[M]. Ohm-sha, 2005.
[5] Huang, Bo, Yufeng Yao, and Lining Sun. Quadruped robot gait control based on central pattern generator[J]. Journal of Mechanical Engineering, 2010.
[6] Ijspeert, Auke Jan, et al. From swimming to walking with a salamander robot driven by a spinal cord model[J], Science, 2007.
[7] Hutter, M., et al. Anymal-a highly mobile and dynamic quadrupedal robot[IROS], 2016.
[8] Englsberger, J., et al. Overview of the torque-controlled humanoid robot TORO[Humanoids], 2014.
[9] Koolen, T., et al. Design of a Momentum-Based Control Framework and Application to the Humanoid Robot Atlas[Humanoids], 2016.
[10] Kim, D.; Carlo, J. D.; Katz, B.; Bledt, G. & Kim, S. Highly Dynamic Quadruped Locomotion via Whole-Body Impulse Control and Model Predictive Control, 2019.
[11] Miki T, Lee J, Hwangbo J, et al. Learning robust perceptive locomotion for quadrupedal robots in the wild[J]. Science Robotics, 2022.
END