由Marco Hutter领导的苏黎世联邦理工学院的研究人员开发了一种新的控制方法，使一种名为ANYmal的有腿机器人能够在困难的地形上快速而稳健地移动。得益于机器学习，该机器人首次将其对环境的视觉感知与触觉结合起来。
在苏黎世湖南端，攀登1098米高的埃策尔山(Mount Etzel)的道路上布满了无数障碍。但是，来自苏黎世联邦理工学院机器人系统实验室的四足机器人ANYmal，在31分钟的徒步旅行中毫不费力地跨越了120米的垂直高度。这比人类徒步者的估计时间快4分钟，而且没有摔倒或失足。
这是由一种新的控制技术实现的，由机器人学教授Marco Hutter领导的苏黎世联邦理工学院的研究人员最近在《科学机器人》杂志上发表了这项技术。“机器人已经学会将对环境的视觉感知与本体感知结合起来——本体感知是一种基于腿部直接接触的触觉。这使得它能够更快、更有效地应对粗糙的地形，最重要的是，更稳健。”Hutter说。在未来，ANYmal可以用于任何对人类来说太危险或其他机器人无法通过的地方。
感知的environment准确
为了在困难的地形中行走，人类和动物会自动地将对环境的视觉感知与腿和手的本体感觉结合起来。这使得他们可以很容易地处理湿滑或松软的地面，并充满信心地四处移动，即使能见度很低。到目前为止，有腿的机器人只能在有限的程度上做到这一点。
“原因是激光传感器和相机记录的即时环境信息往往是不完整和模糊的，”Hutter小组的博士生、该研究的主要作者Takahiro Miki解释说。例如，高草、浅水坑或雪看起来是无法跨越的障碍，或部分看不见，尽管机器人实际上可以通过这些障碍。此外，机器人的视野在野外可能会被困难的照明条件、灰尘或雾所遮挡。
Miki说:“这就是为什么像ANYmal这样的机器人必须能够自己决定，什么时候应该相信环境的视觉感知，快速前进，什么时候应该谨慎地小步前进。”“这是一个巨大的挑战。”
虚拟训练营
由瑞士苏黎世联邦理工学院(ETH)研究人员开发、由瑞士苏黎世联邦理工学院(ETH)附属公司ANYbotics商业化的腿式机器人“ANYmal”，得益于一种基于神经网络的新型控制器，首次能够将外部和本体感知结合起来。在机器人的能力在现实世界中进行测试之前，科学家们在虚拟训练营中将该系统暴露在众多障碍和错误来源中。这让网络学会机器人克服障碍的理想方式，以及它何时可以依赖环境数据，何时可以更好地忽略这些数据。
“通过这种训练，机器人能够在没有见过的情况下掌握最困难的自然地形，”苏黎世联邦理工学院的哈特教授说。即使即时环境的传感器数据是模糊的或不明确的，这种方法也可以工作。然后，ANYmal靠本体感觉来保证安全。根据Hutter的说法，这使得机器人结合了这两个领域的优点:外部感知的速度和效率以及本体感知的安全性。
在极端条件下使用
无论是地震、核灾难还是森林火灾，像ANYmal这样的机器人可以主要用于对人类来说太危险的地方，以及其他机器人无法应对复杂地形的地方。
去年9月，ANYmal在世界上最著名的机器人竞赛——美国国防部高级研究计划署(DARPA)地下挑战赛(underground Challenge)上展示了这种新的控制技术的工作效果。苏黎世联邦理工学院的机器人在自动探索狭窄的隧道、洞穴和城市基础设施的地下系统时，迅速地克服了无数障碍和困难的地形。这就是为什么作为CERBERUS团队的一部分，苏黎世联邦理工学院的研究人员获得了200万美元的奖金。
