(資料圖)

麻省理工學(xué)院（MIT）的Improbable人工智能實驗室已經(jīng)開發(fā)出一種靈巧的帶腿機器人（DribbleBot），可以在類似于人類球員所遇到的真實條件下運球。自20世紀(jì)90年代中期以來，機器人足球已經(jīng)出現(xiàn)，盡管這些比賽往往是人類比賽的一個相當(dāng)簡化的版本。然而，對于機器人科學(xué)家來說，讓機器人操縱足球也是一個非常有吸引力的研究課題。

通常情況下，這些研究工作的中心是在一個非常平坦、均勻的表面上行進的輪式機器人，追趕一個滾動的球。對于DribbleBot，該團隊使用了一個帶有兩個魚眼鏡頭的四足機器人和一個具有神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)能力的板載計算機，用于在一個具有真實球場的不平整地形并包括沙地、泥地和雪地的區(qū)域追蹤一個3號足球（正式比賽采用5號球）。這不僅使球在滾動時不容易預(yù)測，而且還提高了跌倒的危險，不僅如此，一旦跌倒，這個40厘米（16英寸）高的機器人還必須從跌倒中恢復(fù)過來，然后像人類球員一樣追回球。

波士頓動力公司的機器人經(jīng)常演示在不平整的地面上跑來跑去，做后空翻，這可能看起來很簡單，但在運球方面，技術(shù)上有很大的區(qū)別。一個行走的機器人可以依靠外部視覺傳感器，為了保持平衡，它依靠分析它的腳對地面的抓握程度。在不平坦地形上滾動的球要復(fù)雜得多，因為它對不影響運球者的小因素作出反應(yīng)，要求機器人自己發(fā)現(xiàn)在球和它都在運行時控制球所需的技能。

為了加快這一過程，MIT研究人員對機器人進行了4000次數(shù)字模擬，包括所涉及的動力學(xué)以及如何對模擬球的滾動方式作出反應(yīng)，這些模擬都是實時平行進行的。當(dāng)機器人學(xué)會運球時，它得到了正強化的獎勵，如果它犯了錯誤，則得到負(fù)強化，這些模擬使得數(shù)百天的比賽被壓縮到了幾個小時。

然后在現(xiàn)實世界中，機器人的機載攝像頭、傳感器和執(zhí)行器使它能夠應(yīng)用它所學(xué)到的數(shù)字技術(shù)，并在更復(fù)雜的現(xiàn)實中磨煉這些技能。

麻省理工學(xué)院教授、CSAIL首席研究員、Improbable人工智能實驗室主任Pulkit Agrawal說：“如果你看看周圍，大多數(shù)機器人都是有輪子的。但想象一下，有一個災(zāi)難場景，洪水或地震，我們希望機器人在搜索和救援過程中協(xié)助人類。我們需要機器走過不平坦的地形，而有輪子的機器人無法穿越這些地貌。研究腿部機器人的全部意義在于走當(dāng)前機器人系統(tǒng)所不能走的地形。我們?yōu)橥炔繖C器人開發(fā)算法的目的是在具有挑戰(zhàn)性的復(fù)雜地形中提供自主性，這些地形目前是機器人系統(tǒng)無法企及的?！?/p>

這項研究將在5月29日開始的倫敦IEEE國際機器人和自動化會議（ICRA）上發(fā)表。

關(guān)鍵詞：