韓國KAIST 研究團隊開發出一套四足機器人控制系統 DreamWaQ++，讓機器人透過相機、LiDAR 及機載感測器即時理解周圍環境，從而在複雜地形中行走。這套系統能實現類似動物在陌生環境中調整步伐的適應性移動。 DreamWaQ++ 建立在先前工作基礎上，先前版本僅依賴關節編碼器及慣性測量單元等內部感測器，讓機器人在無視覺輸入下行走。雖然那種方法即使在低能見度環境中也能維持穩定移動，但只能在物理接觸障礙物後才反應，無法預先避開危險。
DreamWaQ++ 加入外部感知功能，將視覺及深度感測與本體感覺反饋結合，讓機器人在接觸前辨識障礙物，並即時調整行走策略。這從反應式移動轉變為基於感知的運動，機器人在移動中主動解讀環境。研究團隊表示，這項升級讓機器人在災區、工業場地及不平坦自然地形等不可預測環境中更為穩健。
感知與運動融合
為實現此目標，團隊開發多模態強化學習框架，同時處理不同感測器輸入，並維持輕量運算以支援即時控制。系統能在發生錯誤時切換感測模式，提升穩定性和適應力。在測試中，機器人展現出色表現，爬上 50 階樓梯，水平距離 30.03 米、垂直高度 7.38 米，只需 35 秒，超越盲走系統及現有感知控制器。在陡峭地形實驗中，它成功攀爬高達 35 度坡度，遠超訓練條件，同時降低馬達負荷。
它亦展現適應性決策，無需外部規劃系統即可選擇高效路徑。 機器人還在不確定環境中顯示探索行為，會暫停評估斷崖後再前進。在障礙測試中，它清除高於自身的高度障礙，同時攜帶額外負載，展現強大平衡與穩定性。訓練讓它超越原條件泛化，雖然僅訓練小型障礙，卻在更大真實結構上取得高成功率，顯示強大適應力而非單純模式重複。研究團隊相信，此方法可擴展至輪腿式及人形機器人平台，用於檢查、農業、林業及緊急應變等領域。
領導研究的 Hyun Myung 教授表示：「這項研究顯示機器人已超越單純移動，達到理解環境並自主決策的水平。我們將進一步擴展至適用多種真實環境的智能移動技術。」研究已刊登於 IEEE Transactions on Robotics 期刊。
