算法赋予四足机器人速度和敏捷性

在测试中，该系统引导机器人在沙地、砾石、草地和覆盖着树枝和落叶的崎岖不平的土丘上自主快速地移动，而不会撞到杆子、树木、灌木、巨石、长凳或人。据说，这个机器人还能在繁忙的办公空间里穿行，不会撞到盒子、桌子或椅子。

这项工作使研究人员离制造能够执行搜索和救援任务或在对人类来说太危险或困难的地方收集信息的机器人又近了一步。

团队将介绍其工作在2022智能机器人与系统国际会议(IROS)，将于10月23日至27日在日本京都举行。

该系统将机器人的视觉与本体感觉结合在一起，为有腿机器人提供了更多的功能，本体感觉包括机器人的运动、方向、速度、位置和触觉。

更多来自机器人技术

该研究的资深作者、加州大学圣地亚哥分校雅各布斯工程学院电子与计算机工程教授王晓龙(音译)说，目前，大多数训练有腿机器人行走和导航的方法要么依靠本体感觉，要么依靠视觉，但不是同时依靠。

“在一个案例中，这就像训练一个盲人机器人通过触摸和感觉地面来行走。在另一种情况下，机器人仅根据视觉来规划腿部运动。它不是同时学习两件事，”王在一份声明中说。“在我们的工作中，我们将本体感觉与计算机视觉相结合，使有腿的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。”

王和他的团队开发的系统使用一套特殊的算法来克服融合机器人头部深度摄像头拍摄的实时图像数据和机器人腿上传感器数据的挑战。

Wang说:“在实际操作中，有时从相机接收图像会有轻微的延迟，因此来自两种不同传感模式的数据并不总是同时到达。”

该团队的解决方案是通过随机化两组输入来模拟这种不匹配，研究人员将这种技术称为多模态延迟随机化。然后使用融合和随机化的输入以端到端方式训练强化学习策略。

这种方法帮助机器人在导航过程中快速做出决策，并提前预测环境的变化，因此它可以在没有人类操作员帮助的情况下更快地在不同类型的地形上移动和躲避障碍物。

Wang和他的团队下一步的工作是使有腿的机器人更多功能，这样他们就可以征服更具挑战性的地形。

“现在，我们可以训练机器人做一些简单的动作，比如走路、跑步和躲避障碍物。我们的下一个目标是使机器人能够上下楼梯、在石头上行走、改变方向和跳过障碍。”

该团队已经在网上发布了他们的代码:https://github.com/Mehooz/vision4leg．