英格丽德·法德利 , 科技探索
快速移动的自主移动机器人可以帮助将货物运送到不同的地点，从而帮助解决产品供应链的中断问题。尽管如此，仅靠轮式或腿式机器人可能不足以高效且独立地完成交付。
苏黎世联邦理工学院机器人系统实验室的研究人员最近推出了一种新的机器人设计，该设计结合了轮式和腿式机器人的功能。这个机器人，在 科学机器人 论文中，使用各种强化学习技术来导航环境，使其能够在驾驶和步行模式之间平滑过渡，适应不同的地形。
该论文的合著者 Joonho Lee 告诉 Tech Xplore：“该项目的主要目标是为这样的地面机器人建立一个大规模的自动驾驶系统，其速度是有史以来最快的。” “这是腿式机器人、自主导航和机器人感知领域五年多研究的成果。”
Lee 和他的同事开发的机器人系统建立在 CERBERUS 团队之前创建的机器人的基础上，该团队包括室内无人机公司 Flyability 的研究人员，该公司赢得了 2021 年 DARPA 地下挑战赛。然而，与 CERBERUS 团队开发的机器人相比，他们的系统具有简化的设计和更先进的人工智能导航系统。
“传统上，地面机器人的导航规划是使用在线优化方法完成的，”李解释道。 “这种方法对于简单的轮式机器人或慢速行走的机器人来说效果很好，但对于像我们这样的快速移动机器人（行驶速度可达 20 公里/小时），它们无法提供足够快的导航计划。对于以 2 速移动的机器人m/s，0.5 秒的延迟可能会导致 1 m 的误差，从而导致灾难性的碰撞。”
为了让他们的机器人能够自主导航环境，研究人员开发、训练和测试了各种分层强化学习技术。最终，他们训练了一个基于神经网络的控制器，可以处理不同类型的输入，在几毫秒内为机器人创建新的导航计划。
“我们方法的另一大优势是我们的神经网络控制器完全理解腿式机器人的非线性和复杂动力学，”李说。 “由于它了解机器人在不同地形上以不同速度的行为，因此它可以非常有效地导航机器人。”
在易于移动的平坦地形上，苏黎世联邦理工学院开发的机器人向前行驶，从而充分利用轮子并最大限度地减少功耗。在更复杂的地形中，使用轮子很难或不可能导航，例如存在台阶的情况下，机器人可以切换到步行模式。
Lee 和他的同事开发和训练的基于神经网络的控制器可以处理传感数据，以确定机器人在特定地形上行驶的最有效方式。这使得该机器人能够有效地将传统轮式机器人与腿式机器人的优点结合起来。
“轮式机器人效率很高，但无法穿越高障碍物，”李说。 “另一方面，腿式机器人非常擅长克服障碍和陡坡，但它们的效率非常低，因为它们必须以不规则的方式驱动10多个关节。通常情况下，步行机器人最多只能运行1小时借助轮式腿，我们的机器人可以克服与普通步行机器人相同的障碍，并且运行时间至少延长 3 倍。”
Lee 和他的同事开发的控制器没有采用经典的规划和基于模型的控制技术。值得注意的是，这些传统方法经常被发现在以不确定性和随机干扰为特征的现实环境中表现不佳。
更多信息： 学习轮腿机器人强大的自主导航和运动。 科学机器人 （2024）。 DOI：10.1126/scirobotics.adi9641。
期刊信息： 科学机器人
© 2024 科学 X 网络
