瑞士机器人系统实验室的机器人工程师团队开发了一种混合控制架构，该架构结合了当前四足机器人控制系统的优点，使四足机器人在崎岖地形上具有更好的行走能力。

在《科学机器人》杂志上报道的他们的项目中，该小组结合了目前使用的两种技术的一部分，以提高四足动物的敏捷性。

研究小组指出，机器人制造商目前主要使用两种方法来让四足机器人在崎岖的地形上行走。第一个称为逆动力学轨迹优化；第二个使用基于模拟的强化学习。

第一种方法是基于模型的，虽然它具有许多优点，例如允许机器人学习并从而获得规划能力，但它也存在所学内容与现实条件之间不匹配的问题。

第二种方法很稳健，尤其是在恢复技能方面，但在从极具挑战性的环境（例如几乎没有“安全”立足点的条件）中应用奖励方面却很弱。

对于这项新研究，研究团队试图克服其他方法遇到的一些问题，同时实现效果良好的功能。结果就是研究团队所说的管道（控制框架），他们称之为深度跟踪控制，并在他们称之为ANYMal的机器人中实现了它。

研究人员多年来一直与各种合作伙伴一起研究他们的想法——例如，在2019年，他们与智能系统实验室合作，寻找一种使用机器学习技术使类犬机器人更加敏捷和更快的方法。两年前，他们正在教机器人学习徒步旅行。

开发DTC的过程分为四个步骤：识别参数和估计不确定性、训练执行器网络以对软件动态进行建模、使用创建的模型控制策略以及部署到物理系统上。作为物理实施的一部分，DTC接受了来自4,000个虚拟机器人模拟的数据训练，这些模拟覆盖了76,000平方米区域内的各种地形元素.

ANYMal的测试表明，它通过加固来优化轨迹的能力使其能够在变化的地形条件下更好地定位腿部，从而在现有的情况下找到最佳的立足点。它还允许更好的秋季恢复。这些功能共同使得机器人能够穿越困难的地形，并且比其他机器人更少的故障。