Robôs de locomoção, como cães robóticos quadrúpedes, devem ser capazes de movimentar-se com segurança em ambientes irregulares e frequentemente mutáveis. Atualmente, existem duas abordagens principais para programar esses robôs de locomoção, ou robôs com pernas. A primeira é chamada de controle preditivo por modelo. Essa técnica otimiza o comportamento do robô, mas depende de modelos dinâmicos precisos, o que é desafiador de alcançar em configurações do mundo real e frequentemente exige suposições simplificadoras. A segunda é o aprendizado por reforço sem modelo (model-free reinforcement learning), que permite ao robô aprender comportamentos confiáveis, mas fixos, tornando-os difíceis de adaptar após o treinamento.
Fonte: TechXplore AI
Publicado em 2026-07-07