如果你觉得 SpotMini 能通过视觉分析路况已经很棒，那 MIT 的 Cheetah 3肯定会让你觉得更惊艳，因为它不仅可爬楼梯可跳跃，而且一切都是在不依赖视觉的情况下完成。
其中一位参与到 Cheetah 3 项目的工程师 Sangbae Kim 说。不靠视觉或任何传感器，机器人又是怎样获取了解路面情况？
就和在漆黑环境中前进的人类一样，Cheetah 靠的也是“摸黑前行（blind locomotion）”。具体来说，Cheetah 主要依赖两套新算法：1. 接触感应算法；2. 模型预测控制算法。
简单来说，接触感应算法可以帮 Cheetah 判断某只机械腿接触到的平面是否可“踏下去”，以及下一步又应该怎样反应。
碰了一下后，算法得快速判断机器人脚下是脆弱的树枝，还是踏实的路面，它能不能踏下去？如果不可踏下去，算结合反馈数据决定，接下来机械腿是要赶紧抬起来，还是通过摇摆来保持机器人整体平衡。
至于模型预测控制算法，主要用于帮助机器人判断，每踏出一步，到底需要用多大力，最终才能帮助机器人人保持平衡？
除了要“踏好每一步”，这个算法另一个任务在于帮助机器人在遇到意外阻力时，要怎样恢复到平衡状态。
譬如说，有人在侧边踢了机器人一脚。算法就会想，‘我刚刚在左边遭遇了一个意外速度，我要怎样控制每只脚的用力状态，才能保持平衡？如果我在相反方向施下 100 牛顿的力，半秒之后会发生什么事？’
譬如说，有人在侧边踢了机器人一脚。算法就会想，‘我刚刚在左边遭遇了一个意外速度，我要怎样控制每只脚的用力状态，才能保持平衡？如果我在相反方向施下 100 牛顿的力，半秒之后会发生什么事？’
视觉判断可能会面临干扰因素、不准确或情况不适用等问题。所以说，如果你的机器人过于依赖视觉，它对空间的判断必须得非常准确，这会使得它反应非常慢。
视觉判断可能会面临干扰因素、不准确或情况不适用等问题。所以说，如果你的机器人过于依赖视觉，它对空间的判断必须得非常准确，这会使得它反应非常慢。
和旨在进入办公室和家庭的 SpotMini 不同，Cheetah 的使命在于去到人类不适宜到达地方，深入譬如坍塌大楼的废墟、受核辐射影响地区等地方，进行拯救等工作。 这也是意味着它需要面对更复杂的路面情况、更黑暗的环境。
不过，Kim 表示，他们还是会为 Cheetah 装上视觉系统，但“不想将视觉作为控制第一位”。
