由于佐治亚理工学院三名博士生的努力，四足机器人可能能够直接越过道路上的障碍物。

当谈到机器人运动和导航时，横山直树说，大多数四足机器人都经过训练，如果障碍物导致它们绊倒，它们会重新站稳脚跟。横山和他的合作者Simar Kareer和Joanne Truong开始训练他们的机器人，以克服家中可能遇到的杂物。

“该项目的主要动机是对机器人腿部进行低级控制，这也结合了视觉输入，”电气与计算机工程学院的博士生横山说。“我们设想了一个控制器，可以部署在很多杂物的室内环境中，例如凌乱家中地面上的鞋子或玩具。虽然盲人机车控制器往往反应更灵敏——如果他们踩到什么东西，他们会确保他们不会摔倒——我们希望我们的机车控制器使用视觉输入来完全避免踩到障碍物。

(相关资料图)

为了实现他们的目标，研究人员采用了一种新颖的训练方法，将高级视觉导航策略与视觉运动策略融合在一起。

在交互式计算副教授Dhruv Batra和助理教授Sehoon Ha的一篇论文中，Kareer，Yokoyama和Truong表明，他们的双政策方法成功地模拟了机器人在障碍物上的导航。

他们称自己的方法为ViNL(视觉导航和运动)，到目前为止，它已经引导机器人通过模拟的新杂乱环境，成功率为72.6%。该团队将在29月2日至<>月<>日在伦敦举行的IEEE机器人与自动化国际会议上发表论文ViNL：视觉导航和障碍物上的运动。

这两种策略都是无模型的——机器人通过自己的模拟学习，不模仿任何预先存在的行为模式——并且可以在不进行任何额外共同训练的情况下进行组合。

“这项工作以零镜头的方式独特地结合了单独的运动和导航策略，”Kareer说，他和Truong是交互式计算学院的博士生。“如果我们提出一个改进的导航策略，我们可以接受它，不做额外的工作，并将其部署到我们的机器人上。这是一种可扩展的方法。您可以即插即用这些东西，只需很少的微调。这很强大。

视觉导航策略通过实现目标的动机来教导机器人。它使机器人能够在避开任何障碍物的同时从一个地方导航到另一个地方。机器人根据其完成任务的成功完成程度获得分数。如果它绊倒了障碍物，它就会受到惩罚。

“我们给它提供了一个障碍物很少的环境，然后稍微多一点，稍微多一点，”卡里尔说。“这种循序渐进的方法有助于它的学习。当你把它扔到一个有一百万个障碍的环境中时，它会失败很多。但是，如果你向它展示一两个障碍并说，"尝试学习这些"，它会更加稳定。

运动策略教机器人如何使用四肢跨过物体，包括它应该抬起多高腿。

因为现实世界中的四足动物只能看到它的前置摄像头看到的东西，所以当它靠近它们时，障碍物将从它的视野中消失。该团队通过将内存和空间感知整合到他们的网络架构中来解释这一点，以准确教导机器人何时何地越过障碍物。

“机器人对其整个肢体相对于障碍物的位置有丰富的了解，”Kareer说。“当你看到它越过障碍物时，它不仅仅是决定在没有障碍物的地方踩下脚。它记住所有障碍物相对于身体的位置，并让它的四肢远离，直到它越过它们。

如果障碍物太高而无法跨过，机器人也可以选择绕过它。

“我们看到它非常擅长导航，即使在它可能转错弯的情况下，它也知道它可以回溯并回到它来自的地方，”Truong说。

最后，该小组专门教机器人在房子里应该踩过什么类型的物体，比如玩具，以及它应该四处走动的物体，比如椅子。这也有助于机器人知道它需要多高才能抬起腿。

“对于导航来说，重要的是能够拥有在真实世界的房屋中导航的经验，因此我们通过对公寓进行逼真的扫描来训练我们的导航策略，”Truong说。“我们使用1多套公寓的扫描进行训练，并在以前从未见过的场景中评估机器人。我们将其零镜头部署到新环境中，因此您可以携带一个新机器人，将其放在新房子中，它也将能够做到这一点。

研究人员一致认为，他们的论文是多方面的，并且具有许多超出其重点但仍然重要的意义。他们的工作可能导致机器人在户外公开导航，根据用户的喜好有选择地选择路径，以避免泥泞的地面或岩石地形。

“通常情况下，你如何从A点到B点并不重要，”Truong说。“你只需要知道B点是有效的。克服障碍后，不仅A点和B点需要有效，如何从A点到B点也很重要。