这个四足机器人可在各种地形上踢足球

据EDN电子技术设计了解，麻省理工学院计算机科学与人工智能实验室 (CSAIL) 下属的 Improbable 人工智能实验室的研究人员开发了一种四足机器人系统，可以与人类一样在任何地形上运球。他们的论文将在2023 年 IEEE 机器人与自动化国际会议 (ICRA)上发表。xzOednc

该机器人使用板载传感和计算的组合来分析不同的自然地形，如沙子、砾石、泥土和雪地，并适应它们对球运动的不同影响。像运动员一样，“DribbleBot”可以在摔倒后站起来接球。xzOednc

一段时间以来，对机器人踢球进行编程一直是一个活跃的研究领域。然而，该团队希望机器人自主学习如何在运球过程中灵活控制腿部，以便能够发现难以编写的技能，以应对不同的地形，如雪地、砾石、沙地、草地和路面。xzOednc

据悉，该团队实时并行模拟了四千个版本的机器人，使数据收集比只使用一个机器人快4000倍。这是个很大的数据量。xzOednc

机器人开始时并不知道如何运球--它只是在运球时得到奖励，或在搞砸时得到负强化。因此，它基本上是在试图弄清楚它应该用腿施加什么样的力量序列。"这种强化学习方法的一个方面是，我们必须设计一个好的奖励，以促进机器人学习成功的运球行为，"麻省理工学院博士生Gabe Margolis说，他与Improbable AI实验室的研究助理Yandong Ji共同领导这项工作。"一旦我们设计好了这种奖励，那么就是机器人的练习时间： 在现实时间中，它是几天，而在模拟器中，是数百天。随着时间的推移，它学会了越来越好地操纵足球以匹配所需的速度"。xzOednc

由于团队在其系统中内置了一个恢复控制器，该机器人还可以在不熟悉的地形中导航并从跌倒中恢复。该控制器让机器人在跌倒后重新站起来，并切换回其运球控制器以继续追球，帮助它处理干扰和地形。xzOednc

xzOednc

图片来源：麻省理工学院xzOednc

"如果你今天看看周围，大多数机器人都是轮子的。但想象一下，有一个灾难场景，洪水，或地震，我们希望机器人在搜索和救援过程中协助人类。麻省理工学院教授、CSAIL首席研究员、Improbable人工智能实验室主任Pulkit Agrawal说："我们需要机器走过不平坦的地形，而轮式机器人无法穿越这些地貌。" 他补充说："研究足式机器人的全部意义在于走当前机器人系统所不能走的地形。"我们为足式机器人开发算法的目标是在目前机器人系统无法企及的具有挑战性的复杂地形中提供自主权。"xzOednc

与单独行走相比，运球对 DribbleBot 的运动以及它可以穿越的地形施加了更多限制。机器人必须调整其运动以向球施加力以运球。球与景观之间的交互可能不同于机器人与景观之间的交互，例如茂密的草地或人行道。例如，足球在草地上会受到阻力，而在人行道上则不会，而倾斜会施加加速度，从而改变球的典型路径。然而，机器人穿越不同地形的能力通常受这些动力学差异的影响较小（只要它不打滑），因此足球测试可以对地形变化敏感，而运动本身并不敏感。xzOednc

“过去的方法简化了运球问题，对平坦、坚硬的地面进行建模假设。运动也被设计得更加静态；机器人不会试图同时跑动和操纵球，”Ji 说。“这就是更困难的动力学进入控制问题的地方。我们通过扩展最近的进展来解决这个问题，这些进展使更好的户外运动成为可能将运动和灵巧操作的各个方面结合在一起的复合任务。”xzOednc

在硬件方面，机器人有一组传感器，可以让它感知环境，让它感觉自己在哪里，“了解”自己的位置，“看到”周围的一些情况。它有一组致动器，可以施加力并移动自身和物体。在传感器和执行器之间是计算机或“大脑”，其任务是将传感器数据转换为动作，并通过电机应用这些动作。当机器人在雪地上奔跑时，它看不到雪，但可以通过其电机传感器感受到雪。但是踢足球比走路更棘手——所以除了新的运动技能外，团队还利用机器人头部和身体上的摄像头来获得新的视觉感官模式。然后——我们运球。xzOednc

“我们的机器人可以在野外行走，因为它携带了所有的传感器、摄像头和机载计算。这需要在让整个控制器适应机载计算方面进行一些创新，”Margolis 说。“这是学习有帮助的一个领域，因为我们可以运行轻量级神经网络并训练它处理移动机器人观察到的嘈杂传感器数据。这与当今大多数机器人形成鲜明对比：通常，机器人手臂安装在固定底座上， “坐在工作台上，上面插着一台巨大的电脑。电脑和传感器都不在机械臂上！所以，整个东西很重，很难移动。”xzOednc

要使这些机器人像自然界中的同类机器人一样敏捷，还有很长的路要走，而且某些地形对 DribbleBot 来说具有挑战性。目前，控制器没有在包括斜坡或楼梯的模拟环境中接受训练。机器人没感知地形的几何形状；它只是估计它的材料接触特性，比如摩擦力。如果有一个台阶，例如，机器人会卡住——它无法将球举过台阶，这是团队未来想要探索的区域。研究人员也很高兴能够将 DribbleBot 开发过程中的经验教训应用到其他涉及组合运动和物体操纵的任务中，使用腿或手臂快速将不同的物体从一个地方运送到另一个地方。xzOednc

参考视频：youtube.comxzOednc