麻省理工学院
麻省理工学院计算机科学与人工智能实验室(CSAIL)有一个非常快速的四足机器人的新版本。虽然四条腿的机器人在过去几年中引起了无尽的关注,但一项令人惊讶的日常技能对他们来说却难以捉摸:跑步。
这是因为在现实世界环境中运行非常复杂。快速的步伐使机器人几乎没有空间遇到,从中恢复和适应挑战(例如,光滑的表面,物理障碍物或不平坦的地形)。更重要的是,运行的压力将硬件推到其扭矩和应力极限。麻省理工学院CSAIL博士生Gabriel Margolis和AI与基础交互研究所(IAIFI)博士后研究员Ge Yang最近告诉麻省理工学院新闻:
在这种情况下,机器人动力学很难进行分析建模。机器人需要快速响应环境的变化,例如在草地上奔跑时遇到冰的那一刻。如果机器人在行走,它会缓慢移动,雪的存在通常不是问题。想象一下,如果你走得很慢,但要小心:你几乎可以穿越任何地形。今天的机器人面临着类似的问题。问题是,在所有地形上移动,就像你在冰上行走一样,效率非常低,但在今天的机器人中很常见。人类在草地上跑得很快,在冰上慢下来 - 我们适应。赋予机器人类似的适应能力需要快速识别地形变化并快速适应以防止机器人摔倒。总而言之,由于提前构建所有可能地形的分析(人类设计)模型是不切实际的,并且机器人的动力学在高速下变得更加复杂,因此高速跑步比步行更具挑战性。
最新的麻省理工学院Mini Cheetah的区别在于它如何应对。以前,麻省理工学院猎豹3和迷你猎豹使用敏捷运行控制器,这些控制器由人类工程师设计,他们分析了运动的物理学,制定了有缺陷的抽象,并实现了专门的控制器层次结构,以使机器人平衡和运行。这与波士顿动力公司的Spot机器人的操作方式相同。
这个新系统依靠经验模型来实时学习。事实上,通过在模拟器中训练其简单的神经网络,麻省理工学院机器人可以在短短三个小时内在不同的地形上获得100天的经验。
"我们开发了一种方法,通过这种方法,机器人的行为可以从模拟体验中改善,我们的方法也能够成功地将这些习得的行为部署到现实世界中,"Margolis和Yang解释说。
"为什么机器人的跑步技能在现实世界中表现良好背后的直觉是:在这个模拟器中看到的所有环境中,有些人会教机器人在现实世界中有用的技能。在现实世界中操作时,我们的控制器会实时识别和执行相关技能,"他们补充说。
当然,就像任何优秀的学术研究工作一样,Mini Cheetah更像是概念和开发的证明,而不是最终产品,这里的重点是机器人如何有效地应对现实世界。Margolis和Yang指出,需要人工监督和投入才能实现高效操作的机器人开发和部署范式是不可扩展的。
简而言之,手动编程是劳动密集型的,我们正在达到一个点,模拟和神经网络可以完成惊人的更快的工作。过去几十年的硬件和传感器现在开始充分发挥其潜力,这预示着机器人将在我们中间行走的新一天。
事实上,他们甚至可能跑。