MIT的研究人员开发了一种系统，可以提高腿式机器人跳过地形间隙时的速度和敏捷性。

使用美国麻省理工学院（MIT）的机器人迷你猎豹展示的一种新的控制系统，使四条腿的机器人能够实时跳过不平整的地形。

一头奔跑的猎豹冲过一片起伏的田野，跳过崎岖不平的地形上突然出现的空隙。这种运动可能看起来毫不费力，但让机器人以这种方式移动是一个完全不同的前景。近年来，受猎豹和其他动物运动启发的四脚机器人已经取得了巨大的飞跃，然而，当涉及到在海拔高度快速变化的景观中行走时，它们仍然落后于它们的哺乳动物同行。

MIT计算机科学与人工智能实验室（CSAIL）教授Pulkit Agrawal实验室的博士生Gabriel Margolis说：

"在这些环境中，你需要使用视觉，以避免失败。例如，如果你看不到它，就很难避免踩到一个缺口。虽然有一些现有的将视觉纳入腿部运动的方法，但其中大多数并不真正适合用于新兴的敏捷机器人系统。

现在，Margolis和他的合作者已经开发出一个系统，可以提高腿部机器人跳过地形缝隙时的速度和敏捷性。这个新颖的控制系统分为两部分--一部分处理来自安装在机器人前面的视频摄像头的实时输入，另一部分将该信息转化为机器人应该如何移动其身体的指令。研究人员在麻省理工学院的迷你猎豹上测试了他们的系统，这是一个强大、敏捷的机器人，由机械工程教授Sangbae Kim的实验室建造。

从左到右：博士生陈涛和 Gabriel Margolis；Pulkit Agrawal，电气工程和计算机科学系的 Steven G. 和 Renee Finn 职业发展助理教授；和博士生傅翔。

与其他控制四脚机器人的方法不同，这个由两部分组成的系统不需要事先绘制地形图，因此机器人可以去任何地方。在未来，这可以使机器人在执行应急任务时冲进树林，或爬上楼梯为闭门不出的老人送药。

Margolis与资深作者Pulkit Agrawal（他是MIT Improbable AI实验室的负责人，也是电子工程和计算机科学系的Steven G. and Renee Finn职业发展助理教授）、MIT机械工程系的Sangbae Kim教授以及MIT的研究生陈涛和傅翔共同撰写了这篇论文。其他共同作者包括亚利桑那州立大学的研究生Kartik Paigwar；以及马萨诸塞大学阿默斯特分校的助理教授Donghyun Kim。这项工作将在下个月的机器人学习会议上发表。

一切都在控制之中

使用两个独立的控制器一起工作使这个系统特别具有创新性。控制器是一种算法，它将把机器人的状态转换为一套供其遵循的行动。许多盲目的控制器--那些没有纳入视觉的控制器--是强大而有效的，但只能使机器人在连续的地形上行走。视觉是一个非常复杂的感官输入，这些算法无法有效地处理它。纳入视觉的系统通常依赖于地形的 "高度图"，它必须预先构建或在飞行中生成，这个过程通常很慢，而且如果高度图不正确，就容易失败。

为了开发他们的系统，研究人员从这些稳健、盲目的控制器中提取了最佳元素，并将它们与一个实时处理视觉的独立模块相结合。机器人的摄像头捕捉即将到来的地形的深度图像，这些图像与关于机器人身体状态（关节角度、身体方向等）的信息一起被反馈给一个高级控制器。高级控制器是一个从经验中 "学习 "的神经网络。

该神经网络输出一个目标轨迹，第二个控制器用它来为机器人的12个关节中的每一个提供扭力。这个低级别的控制器不是神经网络，而是依赖于一套描述机器人运动的简明物理方程。

Margolis说：

"层次结构，包括使用这种低级别的控制器，使我们能够约束机器人的行为，使其更加乖巧。有了这个低级别的控制器，我们正在使用我们可以施加约束的明确的模型，这在基于学习的网络中通常是不可能的。“

网络教学

研究人员使用被称为强化学习的试验和错误方法来训练高级控制器。他们对机器人在数百个不同的不连续地形上运行进行了模拟，并对其成功穿越进行了奖励。随着时间的推移，该算法学会了哪些行动能使奖励最大化。然后，他们用一组木板建立了一个物理的、有间隙的地形，并使用迷你猎豹对其控制方案进行了测试。

Margolis说：

"与一个由我们的一些合作者在麻省理工学院内部设计的机器人一起工作肯定很有趣。迷你猎豹是一个很好的平台，因为它是模块化的，主要由你可以在网上订购的零件制成，所以如果我们想要一个新的电池或摄像头，只需从普通的供应商那里订购，并在Sangbae实验室的帮助下安装就可以了。我们系统的一个新颖之处在于，它确实可以调整机器人的步态。如果一个人要跃过一个非常宽的缺口，他们可能一开始就跑得非常快，以积累速度，然后他们可能把两只脚放在一起，以非常有力的方式跃过这个缺口。以同样的方式，我们的机器人可以调整其脚部接触的时间和持续时间，以更好地穿越地形。"

在某些情况下，估计机器人的状态被证明是一个挑战。与模拟不同，真实世界的传感器会遇到噪音，这些噪音会累积起来并影响结果。因此，对于一些涉及高精度脚部放置的实验，研究人员使用运动捕捉系统来测量机器人的真实位置。

他们的系统表现优于其他只使用一个控制器的系统，而且迷你猎豹成功穿越了90%的地形。

跳出实验室

虽然研究人员能够证明他们的控制方案在实验室中是有效的，但他们在现实世界中部署该系统之前仍有很长的路要走，马戈利斯说。

在未来，他们希望在机器人上安装一台更强大的计算机，以便它能在机上完成所有的计算。他们还想改进机器人的状态估计器，以消除对运动捕捉系统的需求。此外，他们还想改进低级控制器，使其能够利用机器人的全部运动范围，并加强高级控制器，使其在不同的照明条件下工作良好。

Kim说：

"见证机器学习技术的灵活性，能够绕过精心设计的中间过程（如状态估计和轨迹规划），这是非常了不起的，几个世纪以来基于模型的技术一直依赖于此。"我对移动机器人的未来感到兴奋，它具有更强大的视觉处理能力，专门为运动而训练。"