四足機器人由于其運動穩(wěn)定性在人們?nèi)粘Ｉ钪械膽?yīng)用越來越廣泛，但是由于相關(guān)硬件和軟件的制約，現(xiàn)有的機器人只能被束縛在一個固定的形態(tài)下工作，這種固定的形態(tài)使現(xiàn)有機器人不利于在復(fù)雜的環(huán)境中使用。
形態(tài)自適應(yīng)機器人是一項很有前途的技術(shù)，它可以在工作狀態(tài)下適應(yīng)大量不可預(yù)測的環(huán)境和任務(wù)，而不需要在機器人每次遇到意外情況時再重新設(shè)計。
近日，來自奧斯陸大學(xué)(University of Oslo)信息學(xué)院的研究團隊成功研制出了一種新型四足機器人，它不僅能夠感知地形變換，同時還能根據(jù)地形變換自動改變形態(tài)。這也是人類歷史上第一個功能齊全的形態(tài)自適應(yīng)機器人。
相關(guān)論文以 “Real-world embodied AI through a morphologically adaptive quadruped robot” 為題，于 3 月 16 日發(fā)表在科學(xué)期刊 Nature 子刊《自然-機器智能》(Nature Machine Intelligence)上。
(來源：Machine Intelligence)
新型四足機器人基于一種嵌入式的人工智能，由一個允許可以變換形態(tài)的四足機器人和一個適應(yīng)算法組成。其中基于人工智能的適應(yīng)算法，可以在當前感知地形的基礎(chǔ)上，使機器人在最節(jié)能的形態(tài)中不斷變化。
利用這種基于人工智能算法的四足機器人，訓(xùn)練它在不同形態(tài)配置之間的有效過渡，結(jié)果表現(xiàn)出了大幅度的性能提升。這種人工智能與機器人結(jié)合的方式，展現(xiàn)了一種將形態(tài)學(xué)適應(yīng)性融入未來機器人設(shè)計的潛力。
機器人固定結(jié)構(gòu)的束縛
10 年前，日本發(fā)生 9 級地震引發(fā)海嘯，福島核電站受到影響發(fā)生爆炸。直到現(xiàn)在，核電站爆炸波及的地區(qū)，依然受到核輻射的影響，危害環(huán)境和人類健康。
如何檢測核反應(yīng)堆現(xiàn)在的情況，技術(shù)上的限制意味著最終的解決方案需要大量高度專業(yè)化的傳統(tǒng)機器人，相應(yīng)地需要大量的部署和延長任務(wù)時間。
但是檢測核反應(yīng)堆區(qū)域的機器人，面臨著許多艱難的挑戰(zhàn)：通過一條狹窄的管道進入該區(qū)域，穿過平臺之間的縫隙，穿過各種類型的碎片，甚至在渾濁的水中游泳。
圖 | 福島核電站地面情況復(fù)雜多變(來源：NS Energy)
設(shè)計一個機器人在如此多樣和非結(jié)構(gòu)化的環(huán)境中工作是一項具有挑戰(zhàn)性的任務(wù)，因為在工作過程中，環(huán)境條件可能會發(fā)生變化，有時甚至是劇烈的變化。
使機器人變形從而適應(yīng)周圍環(huán)境是一個十分有吸引力的解決方案。盡管這種解決方案極具挑戰(zhàn)性，但是卻能夠?qū)崿F(xiàn)機器人處理更復(fù)雜的任務(wù)。
在現(xiàn)實世界中直接優(yōu)化或改變機器人形態(tài)的例子比較少，現(xiàn)有改變形態(tài)的方法主要是利用手動裝配或重新配置的外部機構(gòu)。這種方法需要大量的時間、外部設(shè)備或人工干預(yù)，并且不適合在獨立操作期間進行連續(xù)調(diào)整。
基于 AI 的四足機器人
正是因為設(shè)計、建造和維護具有復(fù)雜動態(tài)形態(tài)機器人所面臨的挑戰(zhàn)，所以幾乎沒有內(nèi)置形態(tài)適應(yīng)能力的機器人。
近日，來自奧斯陸大學(xué)的研究團隊成功開發(fā)了一種基于人工智能的形態(tài)學(xué)自適應(yīng)四足機器人，它可以利用可變的形態(tài)來適應(yīng)不斷變換的室內(nèi)或室外環(huán)境。
圖 | 形態(tài)自適應(yīng)機器人的結(jié)構(gòu) (來源：Machine Intelligence)
四足機器人形態(tài)適應(yīng)功能是通過可變長度的腿提供的，它股骨和脛骨的長度可以在工作中得到調(diào)節(jié)，從而實現(xiàn)不同的行走方式。
同時，形態(tài)自適應(yīng)機器人通過一種新的地形適應(yīng)算法，使機器人的形態(tài)適應(yīng)當前地形。這種算法通過知識引導(dǎo)，在線改變機器人的形態(tài)配置，以便在感知的地形特征時，通過變換形態(tài)從而優(yōu)化能效。
該器人具有保持合理有效載荷的能力，并且在真實世界可以執(zhí)行戶外各種任務(wù)。同時，它還具有傳感和驅(qū)動功能，可以在具有挑戰(zhàn)性的現(xiàn)實環(huán)境中關(guān)閉體現(xiàn)大腦 - 身體 - 環(huán)境回路。
此外，該研究有助于為靈活的硬件平臺鋪平道路，這些平臺能夠在室外等非結(jié)構(gòu)化的地形中執(zhí)行各種有用的任務(wù)。
不同環(huán)境不同形態(tài)
為了探究形態(tài)學(xué)自適應(yīng)機器人的性能，研究團隊分別在不同的室內(nèi)環(huán)境和真實的室外環(huán)境中對機器人進行了一系列的測試。
在觀察到對機器人行為的顯著影響之前，需要測量腿長的最小變化。每個腿段限五個均勻采樣的離散長度，總共給出 25 種不同的形態(tài)組合。
圖 | 三個表面上每種形態(tài)的能耗 (來源：Machine Intelligence)
當在混凝土上行走時，機器人以長股骨和短脛骨以及中等股骨和中等脛骨實現(xiàn)最佳能耗。在沙地上，機器人使用短至中等長度的脛骨有很高的效率，而股骨長度對能耗的影響較小。礫石的稠度要小得多，但是使用最短的腿可以實現(xiàn)最低的能耗。
圖 | 室內(nèi)測試環(huán)境與結(jié)果 (來源：Machine Intelligence)
在室內(nèi)的測試中，研究人員分別測試了沙子 - 礫石和礫石 - 混凝土組合下機器人的適應(yīng)能力。這些盒子被放置在一個運動捕捉設(shè)備中，以實現(xiàn)高精度的室內(nèi)定位。
能耗數(shù)據(jù)顯示，在一個地形上特化的形態(tài)不能很好地轉(zhuǎn)移到另一個地形上，沒有一種形態(tài)在兩個地形上都是表現(xiàn)最好的。
混凝土專用形態(tài)(橙色)的平均能耗為 23，過渡后上升至 37，導(dǎo)致能耗降低約 60%。礫石專用形態(tài)(綠色)從平均能耗為 36 開始，但在礫石上達到 26，顯示在踏上形態(tài)的最佳地形后提高了約 70%。
自適應(yīng)形態(tài)學(xué)(藍色)在這些已知的地形上表現(xiàn)一致，并且變化檢測算法在適當?shù)臅r間觸發(fā)形態(tài)學(xué)的切換。
圖 | 室外測試環(huán)境與結(jié)果 (來源：Machine Intelligence)
戶外測試的路線從一片草地開始，然后機器人踏上混凝土道路，最后它回到草地上。再次回到同一個表面，可以測試算法能夠在何種程度上基于先前在草地上行走的經(jīng)驗來調(diào)整它的模型。
能源效率數(shù)據(jù)顯示，每個階段的效率都降低了 10% 以上，這種適應(yīng)性在所有三個地形部分都優(yōu)于全方位的最佳形態(tài)。
圖 | 自適應(yīng)算法分析 (來源：Machine Intelligence)
同時，研究人員還對自適應(yīng)算法進行了分析，自適應(yīng)算法允許機器人在自然、非結(jié)構(gòu)化的地形上進行現(xiàn)場室外實驗時，使用以前學(xué)習(xí)的模型作為參考點，根據(jù)以前看不到的環(huán)境不斷改變其形態(tài)。同時在重新回到已有環(huán)境時，自適應(yīng)算法成功地將新地形的經(jīng)驗與基線數(shù)據(jù)集相結(jié)合，以快速生成低誤差預(yù)測。
朝著更加完美的方向邁進
改變形態(tài)來適應(yīng)現(xiàn)實世界環(huán)境，是征服非結(jié)構(gòu)化地形的一種強大而有前途的技術(shù)，與當前機器人普遍存在的靜態(tài)形態(tài)相比，具有相當大的優(yōu)勢。一系列室內(nèi)和室外的測試顯示，該機器人系統(tǒng)可以快速的在草地上學(xué)習(xí)到高性能的形態(tài)，盡管它以前只經(jīng)歷過沙子、礫石和混凝土。
研究團隊的一系列試驗也已經(jīng)證實了這種方式的有效性，并且與最好的單一靜態(tài)形態(tài)相比，嵌入的人工智能提供了顯著改善的性能。
這種動態(tài)變形策略在測試過程中比任何單一靜態(tài)形態(tài)都具有更好的能耗，并且自適應(yīng)形態(tài)是機器人在非結(jié)構(gòu)化地形中工作的一個有利特征。
但是，現(xiàn)有的形態(tài)自適應(yīng)機器人研究也存在一定的不足。研究所使用控制器到形態(tài)學(xué)的一對一映射，而不是明確搜索有效的身體 - 大腦組合。相比較來講后者是一種擁有更快適應(yīng)速度的方式。
在高度動態(tài)的環(huán)境中，更快的適應(yīng)將是有利的，但是現(xiàn)有的變換速率較慢。在這種環(huán)境中，機器人必須不斷地在其瞬時形態(tài)配置和模型預(yù)測的最佳配置之間追趕。同時，未來也可以考慮更高級的形態(tài)適應(yīng)機制。
(來源：Freepik)
這些結(jié)果的影響可能是深遠的。研究人員希望能夠啟發(fā)類似機制的設(shè)計和采用，例如在商業(yè)平臺上，以進一步擴大它們的使用范圍。同時，這項研究工作是朝著形態(tài)自適應(yīng)機器人方向邁出的重要一步，也標志著機器人在非結(jié)構(gòu)化環(huán)境中操作的總體目標得以實現(xiàn)。
文章來源于學(xué)術(shù)頭條 ，作者?陽光
（轉(zhuǎn)載）
