AI教授四足机器人如何在坠落时恢复

教学机器人走路是一回事，但是如何帮助他们学习如何从蹒跚学步中恢复?这是苏黎世联邦理工学院研究人员在人工智能(AI)的帮助下开展的不那么容易的壮举。在一份新发表的论文("使用深层强化学习的四足机器人的鲁棒恢复控制器")提交给预印本服务器Arxiv.org，他们描述了一个人工智能系统，它可以帮助机器人在绊倒后摔倒在地。

研究人员写道："在跌倒的情况下，动物通过推动周围环境和四肢摆动来获得动力，显示出从任何姿势中恢复的显着能力。""在腿式机器人中具有相似的能力将显着提高其对抗故障的稳健性并扩展其在恶劣环境中的适用性。我们通过制定四足机器人强大恢复机动的控制策略来解决当前工作中的这个问题。"

他们的模型采用了一种称为深度强化学习的人工智能训练技术，该技术使用奖励系统将驾驶员推向某些目标并控制机器人的恢复动作。在模拟环境中单独训练四种神经网络策略(即策略)，然后部署在具有12个自由度的四腿，狗大小的机器人ANYmal上。

控制器组件根据最近的观察，命令，先前选择的行为类型和先前的操作等因素，为机器人的给定情况选择三种行为中的一种 - 运动，站立或自动扶正。另一个模块 - 高度估算器 - 测量其基础高度，以防止机器人偏离航向。

研究人员表示，人工智能驱动的政策避免了手工恢复规则和序列的需要，提供了优于许多流行控制方案的优势。此外，他们被证明非常强大，因为他们能够处理不可预测的情况，例如当机器人的腿被卡在其底部下方时。

初步结果令人鼓舞。在机器人开始躺下的50次测试过程中，自我扶正政策设法在五秒内恢复。此外，它甚至在机器人的基座几乎颠倒并且其腿被卡在其下方时也发现了成功，有时通过指示机器人在尝试直立柱之前翻转到其侧面。在第二次实验中，研究人员在行走或站立时踢了ANYmal，该政策设法恢复了47次，仅在机械四足动物的关节位置异常高时失败。

研究人员承认，该系统仅在平地上进行了训练和测试，这意味着当面临陡峭的坡道或崎岖的地形时，它可能会失败。但是在未来的工作中，他们计划通过随机化模拟环境来解决这个限制。

他们写道："拟议的控制器展示了涉及多个地面接触的动态恢复机动，由此产生的运动与模拟的运动一致。"