算法使机器人能够避开障碍物并在野外奔跑

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的算法系统，可以让四足机器人在野外行走和奔跑。机器人可以在具有挑战性和复杂的地形上导航，同时避开静态和移动的障碍物。

该团队进行了测试，机器人在系统的引导下自主快速地在沙地、砾石、草地和布满树枝和落叶的崎岖泥山上快速移动。同时，它可以避免撞到电线杆、树木、灌木、巨石、长凳和人。该机器人还展示了在不撞到各种障碍物的情况下在繁忙的办公空间中导航的能力。

建造高效的腿式机器人

新系统意味着研究人员比以往任何时候都更接近于制造用于搜索和救援任务的高效机器人，或者用于在人类难以到达或危险的空间中收集信息的机器人。

这项工作将于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) 上发表。

该系统将机器人的视觉与本体感觉相结合，赋予机器人更多的多功能性，本体感觉是另一种涉及机器人运动、方向、速度、位置和触觉的感知方式。

目前训练有腿机器人行走和导航的大多数方法都使用本体感觉或视觉。但是，它们不是同时使用的。

将本体感觉与计算机视觉相结合

王晓龙是加州大学圣地亚哥雅各布斯工程学院电气和计算机工程教授。

“在一种情况下，这就像训练一个盲人机器人通过触摸和感觉地面来行走。另一方面，机器人仅根据视觉计划其腿部运动。这不是同时学习两件事，”王说。“在我们的工作中，我们将本体感觉与计算机视觉相结合，使腿式机器人能够在各种具有挑战性的环境中高效、平稳地移动，同时避开障碍物，而不仅仅是明确定义的环境。”

该团队开发的系统依赖于一组特殊的算法来融合实时图像中的数据，这些数据由机器人头部的深度相机拍摄，数据来自机器人腿上的传感器。

然而，王说这是一项复杂的任务。

“问题在于，在实际操作过程中，有时从摄像头接收图像会略有延迟，因此来自两种不同传感模式的数据并不总是同时到达，”他解释道。

该团队通过随机化两组输入来模拟不匹配，从而解决了这一挑战。研究人员将这种技术称为多模态延迟随机化，然后他们使用使用过的随机输入来训练强化学习策略。该方法使机器人能够在导航时快速做出决策，并预测其环境的变化。这些能力使机器人能够在不同类型的地形上更快地移动和操纵障碍物，所有这些都不需要人类操作员的帮助。

该团队现在将寻求使腿式机器人更加通用，以便它们可以在更复杂的地形上操作。

“现在，我们可以训练机器人做简单的动作，比如走路、跑步和避开障碍物，”王说。“我们的下一个目标是让机器人能够上下楼梯、在石头上行走、改变方向和跳过障碍物。”