RAIWAY 是一項針對輪式雙足機器人滾動運動的研究成果，論文由 Kyungmin Nam 等六位作者完成，已被 IEEE Robotics and Automation Letters（RA-L）接收，全文 8 頁、含 7 幅圖。該研究同時給出了自研硬件平台與配套控制方法，核心問題在於：當機器人依靠大尺寸車輪在不規則、非連續地形上滾動時，運動行為主要由局部的車輪與地面接觸決定，而這種接觸狀態很難直接測量，也不能僅用地形幾何來刻畫。
平台方面，RAIWAY 是一款雙足構型的輪式機器人，使用 20 英寸的大輪。大輪設計讓機器人能夠跨越一般小型輪式平台難以通過的障礙與起伏，但同時也使接觸條件變得更復雜：輪子與地面的接觸可能同時出現在多個位置，接觸形態會隨碎石、凸起和台階邊緣而變化，從而對控制策略提出更高要求。
方法方面，研究團隊提出的框架利用仿真中可獲得完整接觸信息的優勢，將多接觸事件蒸餾為一個潛在表示。也就是説，仿真階段並不直接輸出接觸力或接觸點，而是把複雜的接觸模式壓縮進一個低維隱變量，讓控制器學習與之對應的運動策略。到真實部署時，控制器僅依靠本體感知在線推斷該表示，無需安裝任何接觸傳感器，從而避免了在真實機器人上難以實現且易損的直接接觸測量。
實驗方面，作者在真實世界中讓系統穿越了多種環境，包括陡坡、碎石牀、釘狀表面以及岩石地形，並展示了在測試的室外樓梯上連續向上攀爬的能力，台階高度最高達到 15 釐米。研究還進行了對比實驗：在相同的機器人平台上，所提出的控制器在多個具有挑戰性的室內與室外場景中均優於不具備接觸信息機制的基線方法，説明該隱表示確實為控制帶來了實質收益。
論文同時提供了演示視頻，鏈接為 https://youtu.be/Ch0divLg64w。該工作發表於 arXiv（編號 2610.33172，分類 cs.RO），投稿時間為 2026 年 10 月 23 日。整體來看，這項研究的意義在於把“接觸”這一在真實系統中難以觀測的關鍵因素，轉化為可以在仿真中學習、在部署時推斷的內部表示，為輪足機器人在非結構化地形上的盲行運動提供了一條可行路徑。