یک ربات چهارپا که برای تکمیل یک ماراتن با یک بار شارژ باتری طراحی شده است

پیشرفت‌های اخیر در کنترل ربات‌های پا، پتانسیل روبات‌های چهارپا را در کاربردهای دنیای واقعی، مانند عملیات‌های نجات در مناطق فاجعه‌بار و مناطق کوهستانی، گسترش داده است. با این حال، استقرار عملی توسط محدوده سفر محدود به ازای هر بار شارژ باتری مانع می شود: چالشی که با ویژگی های ساختاری ذاتی ربات ها ترکیب می شود. برخلاف روبات‌های چرخدار، چهارپاها به‌طور مداوم در مفاصل خود انرژی صرف می‌کنند تا وزن بدن را تحمل کنند و در طول تماس متناوب پا و زمین متحمل اتلاف انرژی جنبشی شوند.

علاوه بر این، بهینه‌سازی مصرف انرژی با مبادلات بین اثرات فیزیکی مختلف پیچیده می‌شود، که نیازمند یک رویکرد جامع شامل اجزای سخت‌افزاری و نرم‌افزاری است. تحقیقات قبلی عمدتا جنبه های مجزای از دست دادن انرژی را مورد توجه قرار داده است 3 , 4 , 5 , 6 . در اینجا ما RAIBO2 را نشان می‌دهیم، یک چهارپای کارآمد انرژی که از طریق تجزیه و تحلیل جامع مدل کلی اتلاف انرژی آن توسعه یافته است. بهره وری از طریق یک سخت افزار مکانیکی سبک و شفاف، یک مدار حرکتی موتور با مقاومت کم و یک سیاست حرکتی با اتلاف انرژی کم افزایش می یابد.

RAIBO2 یک ماراتن کامل را در 4 ساعت، 19 دقیقه و 52 ثانیه با یک بار شارژ باتری 7 انجام داد و به مجموع هزینه حمل و نقل 0.25 دست یافت: پیشی گرفتن از معیار انسانی 0.37. در مقایسه با چهارپایان موجود، RAIBO2 بیش از سه برابر مسافت پیموده شده در هر بار شارژ باتری را ارائه می دهد. این پیشرفت در بهره وری انرژی راه را برای کاربردهای طولانی مدت در فضای باز هموار می کند که در آنها عمر طولانی باتری بسیار مهم است.

این یک پیش نمایش از محتوای اشتراک است که از طریق موسسه شما دسترسی دارد

به Nature و 54 مجله Nature Portfolio دیگر دسترسی داشته باشید

Nature+ را دریافت کنید، بهترین اشتراک دسترسی آنلاین ما

قیمت‌ها ممکن است مشمول مالیات‌های محلی باشد که در هنگام تسویه حساب محاسبه می‌شود

تمام داده های ارائه شده در مقاله در Zenodo (https://doi.org/10.5281/zenodo.14825866) 61 موجود است.

کد آموزش سیاست حرکتی و ارزیابی پاداش-ابلیشن در GitHub (https://github.com/railabatkaist/raisimGym_nature) موجود است.

Lee, J., Hwangbo, J., Wellhausen, L., Koltun, V. & Hutter, M. یادگیری حرکت چهارپا بر روی زمین چالش برانگیز. علمی ربات. 5، eabc5986 (2020).

مک گیر، تی. روبات های پیاده روی پویا و جایزه w [اخبار صنعت/تحقیق]. ربات IEEE. خودکار Mag. 14، 13-15 (2007).

شین، Y.-H. و همکاران طراحی KAIST HOUND، یک پلت فرم ربات چهارپا برای جابه جایی سریع و کارآمد با بهینه سازی غیرخطی اعداد صحیح مختلط یک قطار دنده. در Proc. کنفرانس بین المللی رباتیک و اتوماسیون 2022 (ICRA) 6614–6620 (IEEE، 2022).

Bjelonic، F. و همکاران. طراحی و کنترل مبتنی بر یادگیری برای ربات‌های چهارپا با محرک‌های الاستیک موازی. ربات IEEE. خودکار Lett. 8، 1611-1618 (2023).

Fu, Z., Kumar, A., Malik, J. & Pathak, D. به حداقل رساندن مصرف انرژی منجر به ظهور راه رفتن در ربات های پا می شود. در Proc. پنجمین کنفرانس در مورد یادگیری رباتی (ویرایش‌های فاوست، A.، Hsu، D. & Neumann، G.) 928-937 (PMLR، 2022).

Yang, Y., Zhang, T., Coumans, E., Tan, J. & Boots, B. حرکت سریع و کارآمد از طریق جابجایی های راه رفتن آموخته شده. در Proc. پنجمین کنفرانس در مورد یادگیری رباتی (ویرایش‌های فاوست، A.، Hsu، D. & Neumann، G.) 773-783 (PMLR، 2022).

RaiLab KAIST. (سرعت 1 برابر) raibo2 ماراتن کامل (42.195 کیلومتر) را در 4:19:52 کامل می کند — اولین رکورد ماراتن ربات در جهان. YouTube https://youtu.be/-HMFoa3g9nA (2024).

پارک، H.-W.، Wensing، P. M. & Kim، S. مرزبندی با سرعت بالا با MIT Cheetah 2: طراحی کنترل و آزمایش‌ها. بین المللی ربات جی. Res. 36، 167-192 (2017).

جین، ی.، لیو، ایکس، شائو، ی.، وانگ، اچ و یانگ، دبلیو. حرکت چهارپا با سرعت بالا با یادگیری تقویتی تقلید-آرامش. نات. ماخ هوشمند 4، 1198-1208 (2022).

Ji, G., Mun, J., Kim, H. & Hwangbo, J. آموزش همزمان یک خط مشی کنترل و یک برآوردگر حالت برای حرکت پاهای پویا و قوی. ربات IEEE. خودکار Lett. 7، 4630-4637 (2022).

شین، Y.-H. و همکاران یادگیری تقویتی برای حرکت چهارپایی با سرعت بالا با محدودیت های ناحیه عملیاتی موتور: کاهش اختلاف مدل موتور از طریق برش گشتاور در منطقه عملیاتی واقعی موتور. ربات IEEE. خودکار Mag. 32، 49-59 (2024).

چوی، اس و همکاران. آموزش حرکت چهارپا در زمین تغییر شکل پذیر علمی ربات. 8، eade2256 (2023).

میکی، تی و همکاران. یادگیری حرکت ادراکی قوی برای روبات های چهارپا در طبیعت. علمی ربات. 7، eabk2822 (2022).

کیم، اچ و همکاران. کنترل و ناوبری با سرعت بالا برای روبات های چهارپا در زمین های پیچیده و مجزا. علمی ربات. 10، eads6192 (2025).

Unitree B2: فراتر از محدودیت ها بروید. Unitree Robotics https://www.unitree.com/b2 (2023).

ونسینگ، پی ام و همکاران. طراحی محرک حس عمقی در MIT Cheetah: کاهش ضربه و تعامل فیزیکی با پهنای باند بالا برای ربات‌های پا پویا. IEEE Trans. ربات. 33، 509-522 (2017).

سوک، اس و همکاران. اصول طراحی برای جابجایی پاهای کم مصرف و پیاده سازی روی ربات چیتا MIT. IEEE/ASME Trans. مکاترونیک 20، 1117-1129 (2015).

Kitano, S., Hirose, S., Horigome, A. & Endo, G. TITAN-XIII: روبات چهارپا از نوع گسترده با توانایی راه رفتن سریع و کم مصرف. ROBOMECH J. 3، 1-16 (2016).

Valsecchi، G. و همکاران. باری: یک ربات چهارپا چابک و پر بار. ربات IEEE. خودکار Lett. 8، 6939-6946 (2023).

چن، ال و همکاران. برنامه‌ریزی و جستجوی وضعیت بهینه برای جابجایی چهارپا با انرژی کارآمد در زمین‌های چالش‌برانگیز. در Proc. کنفرانس بین المللی IEEE 2020 در مورد رباتیک و اتوماسیون (ICRA) 399–405 (IEEE، 2020).

بیست و دومین سیستم رکورد ماراتن سانگجو گوتگام. شرکت SPCT https://time.spct.kr/m2.php?EVENT_NO=20241117017&TargetYear=2024&currentPage=1&BIB_NO=042004 (2024).

Tucker, V. A. هزینه پر انرژی حرکت: راه رفتن و دویدن اشکال بسیار ناکارآمد حرکت هستند. کارایی بسیار بیشتری توسط پرندگان، ماهی ها و دوچرخه سواران حاصل می شود. هستم علمی 63، 413-419 (1975).

بلدت، جی و همکاران. MIT Cheetah 3: طراحی و کنترل یک ربات چهارپا پویا و قوی. در Proc. کنفرانس بین‌المللی IEEE/RSJ 2018 در مورد ربات‌ها و سیستم‌های هوشمند (IROS) 2245–2252 (IEEE، 2018).

کاتز، بی، دی کارلو، جی و کیم، اس. مینی یوزپلنگ: پلت فرمی برای فشار دادن محدودیت های کنترل چهارپا پویا. در Proc. کنفرانس بین المللی رباتیک و اتوماسیون 2019 (ICRA) 6295–6301 (IEEE، 2019).

چانگ، ال.، جنگ، ی.-ر. & هوانگ، P.-Y. مدل‌سازی و تحلیل تلفات مش‌بندی چرخدنده‌های خار پیچ‌خورده در شرایط با سرعت بالا و بار بالا. جی. تریبول. 135 , 011504 (2013).

مارگاریا، ر. عملکردهای مثبت و منفی کاری و کارایی آنها در حرکت انسان. بین المللی Z. Angew. فیزیول. 25، 339-351 (1968).

هاتر، ام. و همکاران. Starleth: یک ربات چهارپا سازگار برای حرکت سریع، کارآمد و همه کاره. در رباتیک متحرک تطبیقی ​​(ویرایشات آزاد، A. K. M.، Cowan، N. J.، Tokhi، M. O.، Virk، G. S. & Eastman، R. D.) 483-490 (World Scientific، 2012).

دینگ، ال و همکاران. Brief analysis of a Big-Dog quadruped robot. چانه. مکانیک. مهندس 23، 505-514 (2012).

لی، ام و همکاران نمونه اولیه پا از یک ربات چهارپا با الهام از زیستی. Robot 36, 21-28 (2014).

Shi, Y., Zhang, M. & Zhang, X. طراحی و تحلیل پای ربات چهارپا با مفاصل انعطاف پذیر. J. Huazhong Univ. علمی تکنولوژی (Nat. Sci. Ed.) 45، 17-22 (2017).

Mi, C., Slemon, G. & Bonert, R. مدلسازی تلفات آهن موتورهای سنکرون مغناطیس دائم. IEEE Trans. Ind. Appl. 39، 734-742 (2003).

تلفات برق Lakkas، G. MOSFET و چگونگی تأثیر آنها بر راندمان منبع تغذیه. برنامه های کاربردی آنالوگ J. 1Q، SLYT664 (Texas Instruments، 2016).

Gopalan، A. محاسبه اتلاف نیرو برای یک H-Bridge یا Half Bridge Driver Technical Report SLVA504A (Texas Instruments, 2021).

Bobbert، A. C. مصرف انرژی در سطح و درجه راه رفتن. J. Appl. فیزیول. 15، 1015-1021 (1960).

تاکر، V. A. هزینه انرژی حرکت در حیوانات. Comp. بیوشیمی. فیزیول. 34، 841-846 (1970).

پایگاه داده EV مقایسه خودروهای الکتریکی https://ev-database.org/ (EV Database.org، 2025).

با سوخت . Track and compare your mpg https://www.fuelly.com/car (Fuelly, 2026).

مک گیر، تی. راه رفتن پویا غیرفعال. بین المللی ربات جی. Res. 9، 62-82 (1990).

Bhounsule، P. et al. کنترل مبتنی بر رفلکس پهنای باند کم برای پیاده روی با توان کمتر: 65 کیلومتر با یک بار شارژ باتری. بین المللی ربات جی. Res. 33، 1305-1321 (2014).

Li, Q., Liu, G., Tang, J. & Zhang, J. یک مدل راه رفتن پویا غیرفعال ساده دوبعدی پای راست بدون مشکل گیر کردن پا. در Proc. 2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 5155–5161 (IEEE, 2016).

لی، جی و همکاران یادگیری ناوبری و جابجایی خودمختار قوی برای ربات های چرخدار. علمی ربات. 9, eadi9641 (2024).

هاتر، ام. و همکاران. Anymal-به سمت روبات های پا برای محیط های خشن. Adv. ربات. 31، 918-931 (2017).

بوستون دینامیک. نقطه - ربات متحرک چابک. Boston Dynamics https://bostondynamics.com/products/spot/ (2019).

Unitree B1: ارباب زمین. Unitree https://www.unitree.com/b1 (2022).

با ANYmal بازرس جدید خود آشنا شوید. ANYbotics https://www.anybotics.com/robotics/anymal/ (2021).

چشم انداز 60: چهارپا چابک و خودمختار. Ghost Robotics https://www.ghostrobotics.io/vision-60 (2021).

X30: ربات چهارپا با کاربرد صنعتی. DEEP Robotics https://deeprobotics.cn/en/index/product3.html (2023).

هارتلی، آر.، غفاری، م.، یوستیس، آر. ام. و گریزل، ج. دبلیو. فیلتر کالمن تغییر ناپذیر توسعه یافته به کمک تماس برای تخمین وضعیت ربات. بین المللی ربات جی. Res. 39، 402-430 (2020).

Raibert, M. H. & Tello, E. R. ربات های پا که تعادل دارند. IEEE Expert 1, 89 (1986).

انجمن تولیدکنندگان دنده آمریکا فاکتورهای درجه بندی اساسی و روش های محاسبه برای دندانه های خار در پیچ و چرخ دنده حلزونی. ANSI/AGMA 2101-D04 (انجمن تولیدکنندگان دنده آمریکا، 2004).

Infineon Technologies AG. برد ارزیابی آی سی درایور گیت فشار قوی EiceDRIVER. Application Note EVAL_6EDL04N02PR, Rev. 1.0 (Infineon Technologies AG, 2013).

Schulman, J., Wolski, F., Dhariwal, P., Radford, A. & Klimov, O. الگوریتم های بهینه سازی سیاست پروگزیمال. پیش چاپ در https://arxiv.org/abs/1707.06347 (2017).

Pinto, L., Andrychowicz, M., Welinder, P., Zaremba, W. & Abbeel, P. منتقد بازیگر نامتقارن برای یادگیری ربات مبتنی بر تصویر. پیش چاپ در https://arxiv.org/abs/1710.06542 (2017).

هوانگبو، جی، لی، جی و هاتر، ام. روش تکرار هر تماس برای حل دینامیک تماس. ربات IEEE. خودکار Lett. 3، 895–902 (2018).

Bengio, Y., Louradour, J., Collobert, R. & Weston, J. یادگیری برنامه درسی. در Proc. بیست و ششمین کنفرانس بین‌المللی سالانه یادگیری ماشین (ویرایش‌های Bottou، L. & Littman، M.) 41-48 (ACM، 2009).

میسور، اس.، مابسوت، بی.، مانکوسو، آر و سانکو، ک. منظم کردن سیاست‌های اقدام برای کنترل هموار با یادگیری تقویتی. در Proc. 2021 کنفرانس بین المللی IEEE در مورد رباتیک و اتوماسیون (ICRA) 1810-1816 (IEEE، 2021).

پنگ، ایکس بی، آندریکوویچ، ام.، زارمبا، دبلیو و آببل، پی. انتقال کنترل رباتیک به صورت واقعی با تصادفی سازی دینامیک. در Proc. کنفرانس بین المللی IEEE 2018 در مورد رباتیک و اتوماسیون (ICRA) 3803–3810 (IEEE، 2018).

EtherCAT - فیلدباس اترنت. گروه فناوری EtherCAT https://www.ethercat.org/default.htm (2024).

Tong, W., Wu, S., Sun, J. & Zhu, L. تجزیه و تحلیل تلفات آهن موتور سنکرون آهنربای دائم با هسته استاتور آمورف. در Proc. کنفرانس 2016 IEEE Vehicle Power and Propulsion (VPPC) 1-6 (IEEE، 2016).

Bertotti, G. خصوصیات عمومی تلفات توان در مواد فرومغناطیسی نرم. IEEE Trans. Magn. 24، 621-630 (1988).

Lee, C. Dataset برای "RAIBO2: ربات چهارپا بسیار کارآمد که ماراتن کامل را با یک بار شارژ باتری کامل می کند". Zenodo https://doi.org/10.5281/zenodo.14825866 (2025).

این کار توسط مرکز تحقیقات سرمایه گذاری و جوجه کشی سامسونگ Samsung Electronics تحت شماره پروژه SRFC-IT2002-02 پشتیبانی شده است.

این نویسندگان به طور مساوی کمک کردند: چونگین لی، دونگهون یام، پارک جئونگسو

آزمایشگاه رباتیک و هوش مصنوعی، KAIST، Daejeon، کره

چونگین لی، دونگهون یوم، پارک جونگسو، جونگهیون لی، سویونگ چوی، گوانگیئون جی، جوهیوک مون، مونکیو جونگ، هیونگهو کریس چوی، هیونگ جون کیم، هیونسیک اوه، کیونگمین نام، مینهو لی، جونگ وو هور و کیو یئون سو، دونگهی هوانگبو

C.L.، D.Y.، J.P. و J. Hwangbo این تحقیق را طراحی و داده ها را تجزیه و تحلیل کردند. C.L. طراحی سیستم برق D.Y. سیاست کنترل را آموزش داد. جی پی سخت افزار مکانیکی را طراحی کرد. C.L.، J.L.، S.C.، G.J.، J.M. و J. Hwangbo نرم افزار ربات را توسعه دادند. C.L.، D.Y.، J.P.، J.L.، S.C.، G.J.، J.M.، M.J.، H.C.، H.K.، H.O.، K.N.، M.L.، J. Hur، D.C.، D.K. و Y.A. در طراحی مجموعه آزمایشی و حمایت از ارزیابی عملکرد ماراتن کمک کرد. C.L.، D.Y.، J.P.، J.L. و J. Hwangbo مقاله را نوشتند. همه نویسندگان تایید نهایی را برای انتشار دادند.

طبیعت از Pulkit Agrawal و Donghyun Kim برای مشارکت آنها در بررسی همتایان این اثر تشکر می کند.

یادداشت ناشر Springer Nature با توجه به ادعاهای قضایی در نقشه های منتشر شده و وابستگی های سازمانی بی طرف باقی می ماند.

مکانیزم پا سبک و ساختار محرک. اتصال باسن و پیوند ساق پا از طریق حذف مواد با هدایت تحلیل استرس کاهش یافت. یاتاقان غلتکی سوزنی و متقاطع برای حفظ استحکام ساختاری با هندسه فشرده استفاده می شود. b، معماری درایور موتور که پردازشگر ارتباطی یکپارچه، مرحله کنترل قدرت، آرایش ماسفت و پیکربندی‌های حسگر جریان چندگانه (هال و شنت) را نشان می‌دهد.

a,b , راه اندازی آزمایشی برای اندازه گیری تلفات: پیکربندی کامل میز تست (a) و سیستم یکپارچه درایور-استاتور موتور (b). c-h، توصیف جامع تلفات در پارامترهای طراحی: مقایسه روش سنجش جریان (c)، تجزیه و تحلیل تلفات هدایت ماسفت در عملیات ولتاژ پایین (20 ولت) (d)، تجزیه و تحلیل تلفات سوئیچینگ ماسفت در عملیات ولتاژ بالا (80 ولت) (e)، اثرات ضخامت مس PCB (f)، اصلاح مقاومت دروازه (g)، و ضربه فرکانس سوئیچینگ (g).

از دست دادن کل و COT در سراسر سرعت حرکت با استفاده از اغتشاشات سخت افزاری سیستماتیک در شبیه سازی، با استفاده از پروفایل های حرکت واقعی به دست آمده از کنترل کننده RL ارزیابی شد. اجزای تلفات سطح محرک (موتور و قدرت راننده) بر روی داده‌های اندازه‌گیری تجربی پایه‌گذاری شدند. یک ستاره (*) پیکربندی پایه مورد استفاده در RAIBO2 را نشان می‌دهد، در حالی که همه منحنی‌های دیگر شرایط مقایسه مورد استفاده برای تجزیه و تحلیل حساسیت را نشان می‌دهند. a،b، مقیاس بندی نسبت دنده؛ c,d , مدل های موتور; e,f , تغییرات وزن بدن. g،h، جرم پیوند گوساله (پر شده در مقابل.

سبک شده)؛ i,j , روش‌های سنجش جریان (Hall 1.5 mΩ، مقادیر شنت). k,l، مقادیر مقاومت دروازه، مقایسه RAIBO2 (10 Ω*) با Infineon 6EDL04N02PR EVM (180 Ω).

a، معماری سیستم تفصیلی شبکه‌های عامل (اطلاعات ممتاز، مشاهدات حس عمقی، شبکه‌های بازیگر منتقد) و عناصر محیطی (شبیه‌ساز، پاداش‌ها، برنامه درسی) را نشان می‌دهد. ب، محیط های آموزشی بر اساس حداکثر زاویه تماس پا به سه نوع زمین طبقه بندی می شوند: شیب ها و تپه ها (نوع 1)، پله ها و پله های استاندارد (نوع 2) و پله های دارای دماغه و لوله (نوع 3).

a,b, RAIBO2 در حال اجرا با سرعت کنترل شده روی تردمیل برای اندازه گیری کارایی (فیلم تکمیلی 2 و 3). ج، د، مقایسه پروفیل‌های سرعت پا بین کنترل‌کننده‌های پیشنهادی و خط پایه، با نمای دقیق لحظه تماس (d). e، هیستوگرام توزیع سرعت پیش از تماس در بین استراتژی های کنترل مختلف. f، پروفیل‌های گشتاور مفصل زانو که اثر پاداش از دست دادن ژول محرک را نشان می‌دهد. g، هیستوگرام توزیع گشتاور که سیاست ها را با و بدون در نظر گرفتن پاداش تلفات ژول محرک مقایسه می کند.

انرژی مقایسه ای و داده های COT در ربات ها، حیوانات و وسایل نقلیه. گردآوری داده‌ها در مورد جرم، مصرف انرژی و ظرفیت، سرعت حرکت، برد و COT برای روبات‌های چهارپا، روبات‌های چرخدار، حیوانات، خودروهای الکتریکی، خودروهای بنزینی و خودروهای دیزلی. مقادیر از منابع استناد شده و منابع عمومی در دسترس برای مقایسه بین سیستمی بدست آمده یا تخمین زده می شوند.

قابلیت های حرکتی همه کاره RAIBO2 در محیط های مختلف در فضای باز. یک ربات چهارپا RAIBO2 حرکت قوی را در سناریوهای مختلف دنیای واقعی نشان می دهد. این ویدئو نشان می‌دهد که ربات الگوهای راه رفتن خود را در حین دویدن در کنار انسان‌های ماراتن، بالا رفتن از پله‌ها، اجرای حرکت با سرعت بالا در زمین‌های هموار و پیمایش در شرایط برفی حفظ می‌کند و سازگاری آن با شرایط محیطی چالش برانگیز را برجسته می‌کند.

تحلیل مقایسه ای تاثیر پاداش برخورد بر راندمان اجرای RAIBO2 مقایسه تجربی عملکرد دویدن RAIBO2 با و بدون پاداش برخورد در سیاست کنترل با سرعت کنترل شده (4 m s-1) روی تردمیل. تجسم شکل موج در زمان واقعی، معیارهای تلفات کلی، تلفات الکتریکی و تلفات مکانیکی را نشان می‌دهد. این ویدئو به وضوح تلفات مکانیکی بسیار بالاتری را در خط مشی کنترل بدون پاداش برخورد نشان می‌دهد و کارایی مدت پاداش برخورد را تایید می‌کند.

تجزیه و تحلیل کمی اثرات ارتفاع بدن بر راندمان دویدن RAIBO2 مقایسه سیستماتیک عملکرد دویدن RAIBO2 در سه ارتفاع مختلف بدن (0.45 متر، 0.50 متر، 0.55 متر) با سرعت کنترل شده (4 m s-1) روی تردمیل. تجسم شکل موج در زمان واقعی، معیارهای تلفات کل، تلفات الکتریکی و تلفات مکانیکی را نشان می دهد. این ویدئو رابطه معکوس بین ارتفاع بدن و تلفات الکتریکی را با پیکربندی های بالاتر نشان می دهد که منجر به کاهش تلفات الکتریکی در حین حرکت می شود.

مستندات دستاوردهای ماراتن RAIBO2. مستندات کامل عملکرد ماراتن RAIBO2 شامل نمای کلی دوره و نکات برجسته دویدن. این ویدئو بخش‌های کلیدی کورس ماراتن 42.195 کیلومتری را نشان می‌دهد و حرکت پایدار و پایدار را در طول این رویداد به نمایش می‌گذارد و استقامت و قابلیت اطمینان ربات را نشان می‌دهد.

Springer Nature یا مجوز دهنده آن (به عنوان مثال یک انجمن یا شریک دیگر) حقوق انحصاری این مقاله را تحت توافقنامه انتشار با نویسنده(ها) یا سایر دارندگان حقوق دارند. آرشیو خود نویسنده نسخه خطی پذیرفته شده این مقاله صرفا تحت شرایط چنین توافق نامه انتشار و قوانین قابل اجرا است.

لی، سی، یوم، دی، پارک، جی و همکاران. یک ربات چهارپا که برای تکمیل یک ماراتن با یک بار شارژ باتری طراحی شده است. طبیعت (2026). https://doi.org/10.1038/s41586-026-11102-5

DOI : https://doi.org/10.1038/s41586-026-11102-5

هر کسی که پیوند زیر را با او به اشتراک بگذارید، می‌تواند این محتوا را بخواند:

با عرض پوزش، پیوند قابل اشتراک گذاری در حال حاضر برای این مقاله موجود نیست.

ارائه شده توسط Springer Nature SharedIt ابتکار اشتراک محتوا