这一办法克服了传统操作战略（如摇操）在不同机器人形态学结构上的搬迁束缚，并经过
为应对杂乱的操作使命，研讨选用了分层操控（hierarchical control）办法，将操控问题划分为两个互补且同步的层级。
在低层，依据强化学习的运动战略直接操控电机力矩，以完结平衡、安稳性与运动履行。
关于轮胎扶正、拖拽与堆叠等使命，体系选用依据采样的操控，经过模仿潜在的未来情境来发现最优操作战略。关于轮胎翻滚使命，则运用强化学习来捕捉保持物体安稳运动所需的纤细动力学特征与反响性操控机制。
一切的高层办法，终究都会输出包含底盘速度、姿势参数（包含滚转、俯仰、高度 ）、腿部操控以及手臂动作等指令。
在采样操控中，采样操控器经过并行模仿多个未来情境，寻觅最有用的操作战略，然后挑选最能完结使命方针的动作。
关于那些需求准确施力和多触摸和谐的使命，体系会运转32个并行CPU线程，每个线程运用MuJoCo模仿未来几秒内的不同动作序列。
与直接采样原始轨道不同，研讨在样条曲线空间（space of splines）中进行采样，这种方法能生成更滑润、更天然的运动轨道，一起下降查找空间的维度。
该操控器展现出源自物理仿真的时机性行为。在轮胎扶正过程中，操控器自主发现了杂乱的操作战略：机器人经过Spot Arm与前腿动作的和谐，发生满足的杠杆力以抬起沉重的轮胎。
为了习惯多样的初始构型，机器人或许运用手臂、前腿、身体，或这些部位的组合来灵敏调整操作战略。
值得一提的是，体系并未预设任何固定的操作形式。这种多肢体、多触摸的行为，是在采样过程中优化天然出现的成果，而非经过显式编程设定触摸次序完结的。
在详细的强化学习战略方面，研讨经过PPO算法在IsaacLab中练习得到的运动战略。
这一战略为高层操控供给了稳健的低层操控笼统，可以在多种操作场景中保持平衡，然后使高层操控问题更易处理。
在轮胎翻滚使命中，研讨使用强化学习来应对难以准确建模的杂乱冲突与触摸动力学。
该战略接纳的观测状况包含机器人、轮胎与方针之间的相对姿势，以及关节方位与速度。奖赏函数则依据物体几许形状及其与环境的空间联系，核算希望的躯干与结尾履行器方位，引导战略学习到达方针姿势。
练习得到的轮胎翻滚战略使机器人可以动态调整其躯干与Spot Arm的方位，以安稳操控翻滚的轮胎，避免其倾倒，并将其引导至方针方位。
最终，为处理从仿真到实际的距离，练习过程中引入了随机化，包含对物体的质量、冲突系数与形状等特点进行随机改变。
正如咱们最初说到的，在轮胎扶正使命中，机器人最佳成果为3.7秒，均匀每个轮胎用时5.9秒，简直到达人类在该使命中的操作速度。
在准静态假设下，机器人操作物体时速度很慢，加速度发生的惯性被疏忽，关节驱动力矩首要依靠静态平衡。
而在这篇研讨中，机器狗可以高效转移重达15千克的轮胎远超其夹持器的峰值举升才能（11 千克）和继续才能（5 千克）。
这说明机器人经过动态和谐全身动作，将运动与操作严密耦合，拓宽了操作规模，逾越了传统的拾取与放置方法。
高层操控器无需在具有数十个自由度的体系中推理关节力矩、触摸力以及安稳性束缚，而是仅在一个简化的动作空间中作业，该空间由底盘速度和姿势参数构成，其将履行细节交由运动操控器处理，然后极大下降了杂乱度。
分层操控架构使得高层操控器可以专心于使命完结，而无需显式地推理平衡束缚或地上触摸。
由此，学习得到的运动笼统层让高层操控更简略、核算更可行，操控器只需专心于“在哪里”和“怎么操作物体”，无需处理杂乱的低层动力学细节。