0
| 本文作者： 付靜 | 2020-10-27 17:26 |
這是美國波士頓動力家價值 52.73 萬人民幣的機器大黃狗子 Spot，它能尬舞、當保安、放羊、巡邏檢測，可以說是樣樣精通。
最近，就在一只 Spot 遠赴烏克蘭切爾諾貝利核電站勘察輻射污染分布時，瑞士一家 ANYbotics 公司的機器狗也亮相了。
這只紅色狗子據(jù)說也擅長在復雜地形中自如行走。
這只勝似 animal 的狗子大名就叫 ANYmal，它還登上了 Science 子刊、機器人頂刊 Science Robotics 最新一期的封面。
2020 年 10 月 21 日，一篇揭示 ANYmal 機器狗如何在復雜地形中如履平地的論文發(fā)表于 Science Robotics，題為 Learning quadrupedal locomotion over challenging terrain（在具有挑戰(zhàn)性的地形上學習四足移動）。
這項研究的科研團隊來自蘇黎世聯(lián)邦理工學院機器人系統(tǒng)實驗室、韓國科學技術院機器人與人工智能實驗室、英特爾智能系統(tǒng)實驗室。
上海交通大學教授、國家 973 計劃首席科學家高峰曾在 2018 年世界機器人大會期間表示：
輪式機器人最終將會走向足式機器人，而四足機器人有更好的運動能力。
正如論文介紹，足式運動可將機器人的活動范圍擴展到一些極具挑戰(zhàn)性的環(huán)境中。不過，傳統(tǒng)足式運動控制器所依靠的是能明顯觸發(fā)運動運動原語和反射執(zhí)行（motion primitives and reflexes）的「狀態(tài)機」（state machines）。
可以說，這種設計保證了機器人可在各種復雜場景中進行四足運動，但并未達到自然界動物那樣的運動水平。畢竟，高度不規(guī)則的輪廓、種類多樣的地形、容易打滑的表面、障礙物，都是潛在的阻礙因素。這種情況下，機器人可能因為打滑失去平衡，甚至導致災難性的故障。
而更為嚴重的情形是，機器人無法獲得地形物理特性的準確信息——包括相機、激光雷達在內(nèi)的感受性傳感器無法可靠地測量物理特性（如摩擦力、柔度）。
針對這種情況，科研人員提出了一種魯棒控制器——在運動控制中加入本體感受反饋（proprioceptive feedback），這種反饋來自兩種足式機器人最為耐用、可靠的傳感器：聯(lián)合編碼器和慣性測量單元（如下圖）。
此前已有科研團隊通過以下兩種成果，成功實現(xiàn)了足式機器人從仿真到物理環(huán)境的應用：
對包括制動器在內(nèi)的物理系統(tǒng)建模；
物理參數(shù)隨機化：參數(shù)在模擬和現(xiàn)實環(huán)境中會出現(xiàn)不同，這一做法可使控制器對各種情況都具有魯棒性，無需預先進行精確建模。
不過，科研人員在仿真環(huán)境中訓練了控制器后發(fā)現(xiàn)，ANYmal 仍然不足以在崎嶇的地形上如履平地。
出于這一原因，科研人員又引入了三步（如下圖）。
時間卷積網(wǎng)絡（TCN）：可以根據(jù)本體感受狀態(tài)的擴展歷史產(chǎn)生驅(qū)動。
特權學習：將訓練過程分解為兩個階段，首先訓練一個能夠感知地形和機器人與地面之間接觸情況的「教師」，然后「教師」指導純粹本體感受的「學生」（即控制器）進行學習。
自適應地“合成”地形：根據(jù)控制器在訓練過程中不同階段的表現(xiàn)，綜合形成對地形物理特征的準確感知，最終控制器極具靈活性。
科研人員表示：
我們的研究表明，無需進行精確建模或一系列危險而又成本高昂的實地試驗，ANYmal 的控制器就可以馴服物理世界異常復雜的各種地形。
據(jù)了解，利用這種控制器的驅(qū)動，兩代 ANYmal 機器狗可在包括泥土、沙子、碎石、茂密的植被、積雪、流水等各種環(huán)境中小跑，而這種「測試環(huán)境」已經(jīng)超出了此前所有足式機器人的研究范圍。
看著的確挺穩(wěn)！
在室內(nèi)試驗中，ANYmal 正在上臺階，其高度為 16.8 厘米，這個高度高于平坦地形上正常行走時狗子腿部的間隙。
實際上，DARPA（美國國防高級研究計劃局）機器人地下挑戰(zhàn)賽中也有 ANYmal 的身影。
這一競賽的目的是開發(fā)可快速繪制、導航和搜索復雜地下環(huán)境（包括隧道、城市地下和洞穴網(wǎng)絡）的機器人系統(tǒng)。按規(guī)定，比賽期間操作人員不得協(xié)助機器人，僅允許遠程操作。因此，這要求上述控制器在較長的一段時間內(nèi)無故障地執(zhí)行。
而 ANYmal 和它的控制器的表現(xiàn)沒有令人失望：控制器在長達 60 分鐘的四個任務中控制了兩個 ANYmal-B 機器狗，整個比賽中控制器的失效率為零。
下圖顯示的是比賽中機器狗正在穿越陡峭的樓梯。
在論文最后，科研人員坦言，ANYmal 僅表現(xiàn)出了小跑步態(tài)，這的確比自然界中四足動物的步態(tài)模式范圍要窄。
不過科研人員也表示：
步態(tài)模式一定程度上受機器人的運動學和動力學約束，ANYmal 未來可以有多步態(tài)能力，多樣性的訓練方案和目標可以激發(fā)這些能力。
期待 ANYmal 未來變得更強的樣子。
引用來源：
https://robotics.sciencemag.org/content/5/47/eabc5986
https://www.youtube.com/watch?v=P6y_dhFTgik
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
