算法使机器人能够避免障碍并在野外奔跑

加利福尼亚大学圣地亚哥分校的一组研究人员开发了一种新系统的算法，使四足机器人能够在野外行走和奔跑。机器人可以在避免静态和移动障碍的同时，导航具有挑战性和复杂地形的区域。

该团队进行了测试，机器人由该系统指导，能够自主和快速地穿越沙地、砾石、草地和崎岖的土丘，土丘上覆盖着树枝和落叶。同时，它可以避免撞击电线杆、树木、灌木、巨石、长椅和人。机器人还展示了在繁忙的办公空间中导航而不撞击各种障碍的能力。

构建高效的四足机器人

该新系统意味着研究人员比以往任何时候都更接近于构建高效的机器人，以用于搜索和救援任务，或用于收集人类难以到达或危险区域的信息。

该工作将在2022年10月23日至27日在日本京都举行的2022国际智能机器人和系统会议（IROS）上进行展示。

该系统使机器人更加多样化，因为它将机器人的视觉感知与本体感知（proprioception）相结合，本体感知是一种涉及机器人运动、方向、速度、位置和触觉的感知方式。

目前大多数训练四足机器人行走和导航的方法使用本体感知或视觉，但它们不能同时使用。

https://www.youtube.com/watch?v=GKbTklHrq60

将本体感知与计算机视觉相结合

Xiaolong Wang是加利福尼亚大学圣地亚哥分校Jacobs工程学院的电气和计算机工程教授。

“在一个案例中，这就像训练一个盲人机器人通过触觉和感觉地面来行走。而在另一个案例中，机器人仅凭视觉来规划其腿部运动。它不能同时学习两件事，”王说。“在我们的工作中，我们将本体感知与计算机视觉相结合，使四足机器人能够在各种具有挑战性的环境中高效和平稳地移动——同时避免障碍——不仅仅是在定义明确的环境中。”

该团队开发的系统依赖于一组特殊的算法来融合机器人头部深度摄像头的实时图像数据与机器人腿部传感器的数据。

然而，王表示，这是一个复杂的任务。

“问题在于，在现实世界操作中，有时会有来自摄像头的图像延迟，因此来自两个不同感知模式的数据并不总是同时到达，”他解释道。

该团队通过模拟这种不匹配来解决这个挑战，方法是随机化两个输入集。研究人员将这种技术称为多模式延迟随机化，然后使用随机化的输入来训练强化学习策略。这种方法使机器人能够在导航时快速做出决定，以及预测其环境的变化。这些能力使机器人能够在各种类型的地形上更快地移动和躲避障碍，而无需人类操作员的帮助。

该团队现在将致力于使四足机器人更加多样化，以便它们能够在更复杂的地形上运行。

“目前，我们可以训练机器人执行简单的动作，如行走、奔跑和避免障碍，”王说。“我们的下一个目标是使机器人能够上下楼梯、在石头上行走、改变方向和跳过障碍。”