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研究人员团队开发了一种新的算法系统，允许四足机器人在野外行走和奔跑。机器人可以在避免静态和移动障碍的同时，导航挑战性和复杂的地形。

该团队进行了测试，机器人由该系统引导，自主且快速地穿越沙地、砾石、草地和崎岖的泥土山丘，上面覆盖着树枝和落叶。同时，它可以避免撞击柱子、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。

构建高效的腿部机器人

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，或收集有关难以到达或对人类危险的空间的信息。

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

该系统使机器人更加多功能，因为它将机器人的视觉感知与本体感知（proprioception）相结合，本体感知是另一种感知方式，涉及机器人的运动、方向、速度、位置和触觉。

目前，大多数训练腿部机器人行走和导航的方法使用本体感知或视觉，但它们不会同时使用这两种方法。

将本体感知与计算机视觉相结合

王晓龙是加利福尼亚大学圣地亚哥分校雅各布斯工程学院的电气和计算机工程教授。

“在某种情况下，训练一个盲机器人仅通过触觉和感知地面来行走。另一方面，机器人仅根据视觉规划其腿部运动。它并不是同时学习两件事，”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，以使腿部机器人能够高效、平稳地移动并避免障碍——不仅是在定义明确的环境中，还在各种具有挑战性的环境中。”

该团队开发的系统依赖于一组特殊的算法，将机器人头部深度摄像机的实时图像数据与机器人腿部传感器的数据相结合。

然而，王说，这是一个复杂的任务。

“问题在于，在实际操作期间，有时会有一个小的延迟来接收来自摄像机的图像，因此来自两个不同感知方式的数据并不总是同时到达，”他解释道。

该团队通过模拟输入之间的不匹配来解决这个挑战，方法是随机化两个输入集。研究人员称这种技术为多模态延迟随机化，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快速做出决策，同时导航，并预测其环境中的变化。这些能力使机器人能够更快地在不同类型的地形上移动和躲避障碍，而无需人类操作员的帮助。

该团队现在将致力于使腿部机器人更加多功能，以便它们可以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。”