您现在的位置是：首页 > 互联网网站首页互联网

教机器人走路是一回事，但如何帮助它们学会如何从蹒跚学步中恢复过来？这不是苏黎世联邦理工学院的研究人员在人工智能(AI)的帮助下完成的一项容易的壮举。在提交给预印服务器Arxiv.org的一篇新发表的论文(“使用深度强化学习的四足机器人鲁棒恢复控制器”)中，他们描述了一种人工智能系统，可以帮助机器人在绊倒后摔倒在地。

研究人员写道：“在摔倒的情况下，动物通过推动周围环境和摆动四肢来获得力量，表现出从任何姿势恢复的非凡能力。”“在腿式机器人中拥有类似的能力将显著提高其抗故障的鲁棒性，并扩展其在恶劣环境中的适用性。我们在目前的工作中通过制定四足机器人强力回收机动的控制策略来解决这个问题。”

他们的模型采用了一种被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。在仿真环境中分别训练四种神经网络策略(即策略)，然后部署在ANYmal(一种四足狗大小的机器人，具有12个自由度)上。

根据最近的观察、命令、先前选择的行为类型和先前的操作以及其他因素，控制器为机器人的给定情况选择三种行为之一-移动、站立或自动扶正。另一个模块-高度估计器-测量其基本高度，以防止机器人偏离航向。

研究人员表示，人工智能驱动的策略避免了手动恢复规则和序列的需要，并提供了优于许多流行控制方案的优势。此外，它们被证明是非常强大的，因为它们可以处理不可预测的情况，例如当机器人的腿卡在它的底部时。

初步结果令人鼓舞。在机器人开始躺下的50次测试中，自我扶正策略设法在五秒钟内恢复。此外，即使机器人的底座几乎颠倒，腿卡在下面，它也能成功，有时是通过指示机器人在试图竖立立柱之前转向一侧。在第二个实验中，研究人员在行走或站立时踢ANYmal，策略成功恢复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，该系统只在平地上进行了训练和测试，这意味着当面对陡坡或崎岖地形时，它可能会失败。但在未来的工作中，他们计划通过随机化模拟环境来解决这一限制。

他们写道：“提出的控制器显示了涉及多次地面接触的动态回收机动，产生的运动与模拟的运动一致。”