MIT的研究人員開發(fā)了一種系統(tǒng)，可以提高腿式機器人跳過地形間隙時的速度和敏捷性。

使用美國麻省理工學(xué)院（MIT）的機器人迷你獵豹展示的一種新的控制系統(tǒng)，使四條腿的機器人能夠?qū)崟r跳過不平整的地形。

一頭奔跑的獵豹沖過一片起伏的田野，跳過崎嶇不平的地形上突然出現(xiàn)的空隙。這種運動可能看起來毫不費力，但讓機器人以這種方式移動是一個完全不同的前景。近年來，受獵豹和其他動物運動啟發(fā)的四腳機器人已經(jīng)取得了巨大的飛躍，然而，當(dāng)涉及到在海拔高度快速變化的景觀中行走時，它們?nèi)匀宦浜笥谒鼈兊牟溉閯游锿小?/p>

MIT計算機科學(xué)與人工智能實驗室（CSAIL）教授Pulkit Agrawal實驗室的博士生Gabriel Margolis說：

"在這些環(huán)境中，你需要使用視覺，以避免失敗。例如，如果你看不到它，就很難避免踩到一個缺口。雖然有一些現(xiàn)有的將視覺納入腿部運動的方法，但其中大多數(shù)并不真正適合用于新興的敏捷機器人系統(tǒng)。

現(xiàn)在，Margolis和他的合作者已經(jīng)開發(fā)出一個系統(tǒng)，可以提高腿部機器人跳過地形縫隙時的速度和敏捷性。這個新穎的控制系統(tǒng)分為兩部分--一部分處理來自安裝在機器人前面的視頻攝像頭的實時輸入，另一部分將該信息轉(zhuǎn)化為機器人應(yīng)該如何移動其身體的指令。研究人員在麻省理工學(xué)院的迷你獵豹上測試了他們的系統(tǒng)，這是一個強大、敏捷的機器人，由機械工程教授Sangbae Kim的實驗室建造。

從左到右：博士生陳濤和 Gabriel Margolis；Pulkit Agrawal，電氣工程和計算機科學(xué)系的 Steven G. 和 Renee Finn 職業(yè)發(fā)展助理教授；和博士生傅翔。

與其他控制四腳機器人的方法不同，這個由兩部分組成的系統(tǒng)不需要事先繪制地形圖，因此機器人可以去任何地方。在未來，這可以使機器人在執(zhí)行應(yīng)急任務(wù)時沖進樹林，或爬上樓梯為閉門不出的老人送藥。

Margolis與資深作者Pulkit Agrawal（他是MIT Improbable AI實驗室的負責(zé)人，也是電子工程和計算機科學(xué)系的Steven G. and Renee Finn職業(yè)發(fā)展助理教授）、MIT機械工程系的Sangbae Kim教授以及MIT的研究生陳濤和傅翔共同撰寫了這篇論文。其他共同作者包括亞利桑那州立大學(xué)的研究生Kartik Paigwar；以及馬薩諸塞大學(xué)阿默斯特分校的助理教授Donghyun Kim。這項工作將在下個月的機器人學(xué)習(xí)會議上發(fā)表。

一切都在控制之中

使用兩個獨立的控制器一起工作使這個系統(tǒng)特別具有創(chuàng)新性?？刂破魇且环N算法，它將把機器人的狀態(tài)轉(zhuǎn)換為一套供其遵循的行動。許多盲目的控制器--那些沒有納入視覺的控制器--是強大而有效的，但只能使機器人在連續(xù)的地形上行走。視覺是一個非常復(fù)雜的感官輸入，這些算法無法有效地處理它。納入視覺的系統(tǒng)通常依賴于地形的 "高度圖"，它必須預(yù)先構(gòu)建或在飛行中生成，這個過程通常很慢，而且如果高度圖不正確，就容易失敗。

為了開發(fā)他們的系統(tǒng)，研究人員從這些穩(wěn)健、盲目的控制器中提取了最佳元素，并將它們與一個實時處理視覺的獨立模塊相結(jié)合。機器人的攝像頭捕捉即將到來的地形的深度圖像，這些圖像與關(guān)于機器人身體狀態(tài)（關(guān)節(jié)角度、身體方向等）的信息一起被反饋給一個高級控制器。高級控制器是一個從經(jīng)驗中 "學(xué)習(xí) "的神經(jīng)網(wǎng)絡(luò)。

該神經(jīng)網(wǎng)絡(luò)輸出一個目標軌跡，第二個控制器用它來為機器人的12個關(guān)節(jié)中的每一個提供扭力。這個低級別的控制器不是神經(jīng)網(wǎng)絡(luò)，而是依賴于一套描述機器人運動的簡明物理方程。

Margolis說：

"層次結(jié)構(gòu)，包括使用這種低級別的控制器，使我們能夠約束機器人的行為，使其更加乖巧。有了這個低級別的控制器，我們正在使用我們可以施加約束的明確的模型，這在基于學(xué)習(xí)的網(wǎng)絡(luò)中通常是不可能的。“

網(wǎng)絡(luò)教學(xué)

研究人員使用被稱為強化學(xué)習(xí)的試驗和錯誤方法來訓(xùn)練高級控制器。他們對機器人在數(shù)百個不同的不連續(xù)地形上運行進行了模擬，并對其成功穿越進行了獎勵。隨著時間的推移，該算法學(xué)會了哪些行動能使獎勵最大化。然后，他們用一組木板建立了一個物理的、有間隙的地形，并使用迷你獵豹對其控制方案進行了測試。

Margolis說：

"與一個由我們的一些合作者在麻省理工學(xué)院內(nèi)部設(shè)計的機器人一起工作肯定很有趣。迷你獵豹是一個很好的平臺，因為它是模塊化的，主要由你可以在網(wǎng)上訂購的零件制成，所以如果我們想要一個新的電池或攝像頭，只需從普通的供應(yīng)商那里訂購，并在Sangbae實驗室的幫助下安裝就可以了。我們系統(tǒng)的一個新穎之處在于，它確實可以調(diào)整機器人的步態(tài)。如果一個人要躍過一個非常寬的缺口，他們可能一開始就跑得非?？?，以積累速度，然后他們可能把兩只腳放在一起，以非常有力的方式躍過這個缺口。以同樣的方式，我們的機器人可以調(diào)整其腳部接觸的時間和持續(xù)時間，以更好地穿越地形。"

在某些情況下，估計機器人的狀態(tài)被證明是一個挑戰(zhàn)。與模擬不同，真實世界的傳感器會遇到噪音，這些噪音會累積起來并影響結(jié)果。因此，對于一些涉及高精度腳部放置的實驗，研究人員使用運動捕捉系統(tǒng)來測量機器人的真實位置。

他們的系統(tǒng)表現(xiàn)優(yōu)于其他只使用一個控制器的系統(tǒng)，而且迷你獵豹成功穿越了90%的地形。

跳出實驗室

雖然研究人員能夠證明他們的控制方案在實驗室中是有效的，但他們在現(xiàn)實世界中部署該系統(tǒng)之前仍有很長的路要走，馬戈利斯說。

在未來，他們希望在機器人上安裝一臺更強大的計算機，以便它能在機上完成所有的計算。他們還想改進機器人的狀態(tài)估計器，以消除對運動捕捉系統(tǒng)的需求。此外，他們還想改進低級控制器，使其能夠利用機器人的全部運動范圍，并加強高級控制器，使其在不同的照明條件下工作良好。

Kim說：

"見證機器學(xué)習(xí)技術(shù)的靈活性，能夠繞過精心設(shè)計的中間過程（如狀態(tài)估計和軌跡規(guī)劃），這是非常了不起的，幾個世紀以來基于模型的技術(shù)一直依賴于此。"我對移動機器人的未來感到興奮，它具有更強大的視覺處理能力，專門為運動而訓(xùn)練。"