پژوهشگران شرکت دیزنی به‌تازگی رباتی دوپا توسعه داده‌اند که قادر است با سهولت در محیط‌های ناهموار حرکت کند. این ربات که برای کاربردهای سرگرمی طراحی شده است، از معماری کنترلی مبتنی بر یادگیری تقویتی استفاده می‌کند تا بتواند حرکات هنری و پویای خود را به‌طور مؤثر و در زمان واقعی اجرا کند. سیستم انیمیشنی که در این ربات دیزنی تعبیه شده است، سیگنال‌های فرماندهی را در زمان اجرا تولید می‌کند و این امکان را فراهم می‌آورد تا روبات حرکات مختلفی را ترکیب کرده و به‌نمایش بگذارد.

در کنار این نوآوری، پروژه TerraPN نیز پیشرفت‌های چشمگیری در زمینه ناوبری روبات‌ها در محیط‌های خارجی پیچیده داشته است. این پروژه از روشی مبتنی بر یادگیری خودنظارتی استفاده می‌کند تا ویژگی‌های مختلف سطوح مانند اصطکاک و ناهمواری را تشخیص دهد. با استفاده از تصاویر RGB و داده‌های IMU، TerraPN هزینه‌های سطح را پیش‌بینی می‌کند و مسیرهای ناوبری مناسبی را به‌طور پویا محاسبه می‌کند تا حرکت مؤثر و بدون برخورد روبات‌ها در سطوح مختلف تضمین شود.

علاوه‌بر این، پیشرفت‌های اخیر در زمینه معکوس‌سازی کینودینامیک نیز توانایی‌های ناوبری ربات‌ها را بهبود بخشیده است. این رویکرد به ربات‌ها اجازه می‌دهد تا با توجه به تعاملات لحظه‌ای با زمین، ورودی‌های کنترلی خود را تطبیق دهند و به ناوبری دقیق و سریع در زمین‌های ناهموار بپردازند. با در نظر گرفتن حالات غیرقابل مشاهده دنیای واقعی و استفاده از مدل‌های یادگیری، ربات‌ها می‌توانند حرکات دقیق و واکنش‌پذیری را حتی در محیط‌های چالش‌برانگیز حفظ کنند.

این اتفاق نشان‌دهنده‌ پیشرفت‌های قابل‌توجهی در فناوری ناوبری رباتیک است و پتانسیل روبات‌ها برای عملکرد مستقل و کارآمد در زمین‌های متنوع و غیرقابل پیش‌بینی را به‌خوبی نشان می‌دهد.