本文介绍了「七月在线」开发的NaVILA框架，旨在提升腿式机器人在视觉与语言导航中的能力。NaVILA将高级语言指令转化为中级动作，并结合低级运动策略，提高了导航效率。该框架利用真实视频数据训练，显著提升了机器人在复杂环境中的成功率，展现了广泛的应用潜力。

本研究提出了一种新型控制范式，通过可变刚度提升腿式机器人的动态运动表现，实现稳健行走，简化设计过程，避免手动调节关节刚度。

该研究探讨了深度强化学习训练的腿式机器人关节执行器的对抗攻击，发现扭矩控制信号的扰动会降低机器人的奖励并导致行走不稳定。实验表明，四足机器人Ant-v2易受攻击，而双足机器人Humanoid-v2相对稳定。这种关节攻击可用于诊断机器人步态不稳定。

该文综述强化学习在腿式机器人控制中的应用，涵盖四足与双足机器人的步态生成、跳跃、奔跑、踢球及复杂地形适应等任务。通过多任务学习、奖励设计与仿真到现实迁移，实现稳定鲁棒的运动策略，减少人工调参，提升真实环境适应能力。