AI算法帮助机器人在野外奔跑，可应用于搜救领域

　　加州大学圣地亚哥分校领导的一个团队开发了一种新的算法系统，使四足机器人能够在具有挑战性的地形上行走和奔跑，同时避开静止和移动的障碍物。 　　在测试中，该系统引导机器人在沙地、砾石、草地和布满树枝和落叶的崎岖土丘上自主快速移动，而不会撞到杆、树、灌木、巨石、长凳或人。机器人还可以在繁忙的办公空间中导航，不会撞到盒子、桌子或椅子。 　　这项工作使人类打造救援机器人的距离更进一步。 　　该系统为腿式机器人提供了更多的功能，因为它将机器人的视觉与另一种称为本体感觉的传感方式相结合，本体感觉涉及机器人的运动、方向、速度、位置和触觉，在这种情况下，是指脚下的地面感觉。

　　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、研究资深作者王晓龙（音）表示，目前，大多数训练腿机器人行走和导航的方法要么依赖本体感觉，要么依赖视觉，但不能同时依赖本体感觉和视觉。 　　王说：“在一种情况下，这就像训练一个盲人机器人通过触摸和感觉地面来行走。而在另一种情况中，机器人仅根据视觉来规划腿的运动。它不是同时学习两件事。在我们的工作中，我们将本体感觉与计算机视觉相结合，使腿部机器人能够在各种挑战性环境中，而不仅仅是在定义明确的环境中，高效平稳地移动，同时避免障碍物。” 　　王和他的团队开发的系统使用一套特殊的算法，将机器人头部深度摄像头拍摄的实时图像与机器人腿上传感器的数据融合。这不是一项简单的任务。“问题是，在实际操作过程中，从相机接收图像有时会有轻微延迟，”王解释道，“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将两组输入随机化来模拟这种不匹配——研究人员称这种技术为多模延迟随机化。然后，融合和随机输入被用于以端到端的方式训练强化学习策略。这种方法有助于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，因此它可以在不同类型的地形上更快地移动和躲避障碍物，而无需人工操作员的帮助。 　　展望未来，王和他的团队正在致力于让腿型机器人变得更加多才多艺，以便它们能够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让机器人能够上下楼梯、在石头上行走、改变方向和跳过障碍物。”