Dogger：仿生四足机器人的形态与控制协同设计框架

论文提出仿生四足机器人Dogger，采用模块化三段腿、四杆机构和可调被动膝柔顺，并开发结合强化学习与贝叶斯优化的两阶段框架：先跨设计训练形态条件控制策略，再在任务特定设计选择中固定该策略。部署后的设计与策略零样本迁移，在巡检和负载搬运任务中分别将运输成本降低18.6%和35.7%。对比显示，完整几何-柔顺协同设计优于固定和受限设计范围；跨任务测试揭示出任务特定形态与共享机械权衡。作者称这些结果为硬件层面证据，表明在腿足机器人中扩展物理设计空间并配合学习控制，是实现任务驱动形态-控制协同设计潜力的关键。