中國AGV網(m.xmydyc.com)援引外媒消息，由Marco Hutter領導的蘇黎世聯邦理工學院研究人員開發了一種新的控制方法，使一種名為ANYmal的機器人能夠在崎嶇的地面上快速而穩健地移動。得益于機器學習，該機器人可以首次將其對環境的視覺感知與觸覺相結合。

圖片：腿部機器人ANYmal在通往海拔1098米的埃策爾山山頂的巖石路上。

在濕滑地面上的陡峭路段、高臺階、碎石和充滿樹根的森林小徑：在蘇黎世湖南端的1098米高的Etzel山的道路上有許多障礙。但是，蘇黎世聯邦理工學院機器人系統實驗室的四足機器人ANYmal，在31分鐘的徒步旅行中毫不費力地克服了120米的垂直高度。這比人類徒步旅行的預計時間快了4分鐘，而且沒有摔倒或走錯路。

這是通過一種新的控制技術實現的，蘇黎世聯邦理工學院的研究人員在機器人學教授 Marco Hutter 的領導下，最近在《科學機器人學》雜志上發表了這一技術。

Hutter教授說："該機器人已經學會了將其環境的視覺感知、本體感知和觸覺結合起來，基于腿部的直接接觸，這使它能夠更快、更有效地處理粗糙的地形，最重要的是更堅固。在未來，ANYmal可以被用于對人類來說太危險或對其他機器人來說太難以通行的任何地方。

準確感知環境

為了導航困難的地形，人類和動物很自動地將他們對環境的視覺感知與他們的腿和手的本體感知相結合。這使他們能夠輕松地處理濕滑或柔軟的地面，即使在能見度低的情況下，也能自信地四處移動。到目前為止，腿部機器人只能在有限的范圍內做到這一點。

哈特小組的博士生、該研究的主要作者Takahiro Miki說："原因是激光傳感器和攝像機記錄的關于眼前環境的信息往往是不完整和模糊的。"例如，高高的草、淺淺的水坑或雪看起來是無法克服的障礙，或者是部分不可見的，盡管機器人實際上可以穿越它們。此外，機器人的視線在野外可能會被困難的照明條件、灰塵或霧氣所遮擋。

Miki說："這就是為什么像ANYmal這樣的機器人必須能夠自己決定何時相信對環境的視覺感知并輕快地前進，以及何時謹慎地、小步地前進會更好，而這就是巨大的挑戰"。

一個虛擬訓練營

得益于一個基于神經網絡的新控制器，蘇黎世聯邦理工學院研究人員開發的、由蘇黎世聯邦理工學院衍生公司ANYboticscall_made商業化的腿部機器人ANYmal現在能夠首次將外部感知和本體感知相結合。在機器人能夠在現實世界中測試其能力之前，科學家們在一個虛擬訓練營中將該系統暴露在眾多障礙物和錯誤源中。

這讓網絡學會了機器人克服障礙的理想方式，以及何時可以依賴環境數據--何時忽略這些數據會更好。

Hutter 說："通過這種訓練，機器人能夠掌握最困難的自然地形，而之前并沒有見過這種地形。即使關于直接環境的傳感器數據模糊不清，這也能發揮作用。ANYmal然后發揮它的安全性，依靠它的本體感知。這使機器人能夠結合兩個世界的優點：外部感知的速度和效率以及本體感知的安全性。”

在極端條件下使用

無論是在地震之后、核災難之后，還是在森林火災期間，像ANYmal這樣的機器人主要可用于對人類來說太危險的地方，以及其他機器人無法應對困難地形的地方。

去年9月，ANYmal在世界最知名的機器人競賽Darpa地下挑戰賽上展示了新的控制技術是如何運作的。蘇黎世聯邦理工學院的機器人在自主探索由狹窄隧道、洞穴和城市基礎設施組成的地下系統時，自動并迅速克服了眾多障礙和困難地形。這是蘇黎世聯邦理工學院的研究人員作為Cerberus團隊的一部分，獲得第一名并獲得200萬美元獎金的主要原因。