跑酷，也称为自由奔跑，是一门起源于 1980 年代后期的学科，随着互联网的出现而流行起来。自由奔跑者表演杂技特技，目标是以最优雅和最有效的方式到达难以到达的位置。它涉及通过步行、跑步、攀爬和跳过障碍物来在环境中导航，运动员必须以精确的时间顺序协调这些敏捷技能。这项运动需要多年的实践来培养必要的能力、直觉和反应能力。

尽管有腿的机器人渴望像人类或其他动物一样灵活和敏捷，但我们离充分利用机器人的能力来实现类似的行为还很遥远。通过与自由奔跑者的敏捷性相匹配，我们可以更好地了解管道中每个组件从感知到驱动方面的局限性，规避这些限制，并普遍提高我们机器人的能力，这反过来为许多新应用铺平了道路，例如在倒塌的建筑物或复杂的自然地形中进行搜索和救援。

跑酷任务的复杂性加剧了移动机器人通常面临的许多挑战。机器人必须感知其环境，以了解快速变化的周围场景，并根据其技能选择可行的路径和运动顺序。在大型和具有挑战性的障碍物的情况下，它必须在驱动极限下执行动态机动，同时精确控制底座和四肢的运动。上述所有功能都必须通过有限的机载计算和使用其外部感知传感器的部分和噪声信息实时实现。

近日，苏黎世联邦理工学院的科研团队再次升级四足机器人 ANYmal，让其驾驭城市复杂环境，利用运动技巧顺利通过障碍物，并且能熟练应对建筑工地或灾区常见的复杂地形。

该团队由机械与工艺工程系的 Marco Hutter 教授领导，结合机器学习与基于模型的控制，升级算法让其可以准确识别和通过碎石堆中的缝隙 / 凹槽，从而可以灵活穿梭复杂地形。

该研究工作提出了一种在类似跑酷的环境中使用四足机器人ANYmal进行敏捷导航的方法。系统分成三个相互连接的组件，这些组件经过训练和部署：感知模块、运动模块和导航模块。感知模块接收来自机载摄像头和 LiDAR（光探测和测距）的点云测量值，并计算机器人周围地形的估计值。运动模块包含可以克服特定地形的运动技能目录。导航模块通过选择要激活的技能并提供中间命令来引导环境中的运动模块。这些基于学习的模块中的每一个都经过模拟训练。

同时提出了一种完全学习的方法来训练这样的机器人，并实现让人联想到跑酷挑战的场景。该方法涉及针对几种类型的障碍物训练高级运动技能，例如行走、跳跃、攀爬和蹲下，然后使用高级策略来选择和控制这些技能。由于我们的分层模式，导航策略知道每个技能的能力，并且它将根据手头的场景调整其行为。此外，还训练了一个感知模块，以从高度遮挡和嘈杂的感官数据中重建障碍物，并赋予场景理解能力。与之前的尝试相比，该方法可以为具有挑战性的场景规划路径，而无需专家演示、离线计算、环境的先验知识或明确考虑接触。尽管这些模块仅根据模拟数据进行训练，但根据真实实验表明，机器人在硬件上成功传输，机器人以高达每秒 2 米的速度导航并越过连续具有挑战性的障碍物。

https://www.science.org/doi/10.1126/scirobotics.adi7566

文章来源：CAAI认知系统与信息处理专委会、IT之家