随着四足机器人应用越来越广泛，它们面临的场景也日益多样化：从爬楼梯到穿越草地，再到走过崎岖不平的石子路，复杂多变的地形让它们难以应对，稍有不慎就会摔倒。

然而，现在来自UC伯克利、卡内基梅隆大学以及Facebook AI的研究人员发明了一种新算法，能够使机器人无需参考轨迹，也不需要额外调整，直接部署在机器人身上，便能在瞬间适应各种复杂的地形，如乱石、沙滩、楼梯、茂密植被、临时搭建的障碍物等。

这种算法被称为RMA（Rapid Motor Adaptation，快速电机自适应），由两部分组成：基本策略模块和自适应模块。算法完全在仿真环境中训练，然后直接应用于现实世界。训练分为两个阶段：第一阶段通过无模型的强化学习训练基本策略模块；第二阶段采用有监督的学习方法，训练自适应模块预测外部参数，即机器人应该如何行动。

部署时，自适应模块生成外部参数，基本策略模块生成所需的关节位置，并通过A1机器人的PD控制器转化为扭矩。总的来说，基本策略模块负责探测环境并实际控制机器人的步态，而自适应模块则负责分析数据，并提供相应的调整建议，使得机器人能够在多样的环境中实现即时适应。

值得注意的是，该算法并未使用视觉输入，而是通过机器人运动部件感受到的力来收集环境信息。

在室内的测试中，研究人员对比了RMA、A1机器人自身的控制器以及没有自适应模块的RMA。结果显示，RMA以100%的成功率走下15厘米高的台阶，并以80%的成功率通过可变形表面（如记忆泡沫床垫和轻微不平的泡沫垫）。此外，它还可以成功爬坡和上台阶，在油性表面下的行走成功率达到了90%。相比之下，A1的控制器在不平整的泡沫垫上只有20%的成功率。没有自适应模块的RMA几乎无法完成任务。此外，RMA在负载、保持平衡和行走距离方面表现优异，而A1机器人的控制器在8公斤负载下性能开始下降。

在室外测试中，RMA在沙地、泥泞地面、高大植被和灌木丛中行走的成功率达到100%，在乱石堆中的成功率为80%，在覆盖着自然阶梯的区域中的成功率为70%。

研究人员认为，尽管现有的“盲人”机器人在某些方面已经取得了显著进展，但要开发出真正可靠的地形自适应机器人，还需要配备视觉传感器等更多工具。这是未来研究的重要方向之一。

相关论文地址：https://arxiv.org/abs/2107.04034

详细实验结果请参见：https://ashish-kmr.github.io/rma-legged-robots/

— 完 —

量子位 QbitAI · 头条号签约

关注我们，第一时间了解前沿科技动态。