中国AGV网(www.chinaagv.com)援引外媒消息，由Marco Hutter领导的苏黎世联邦理工学院研究人员开发了一种新的控制方法，使一种名为ANYmal的机器人能够在崎岖的地面上快速而稳健地移动。得益于机器学习，该机器人可以首次将其对环境的视觉感知与触觉相结合。

图片：腿部机器人ANYmal在通往海拔1098米的埃策尔山山顶的岩石路上。

在湿滑地面上的陡峭路段、高台阶、碎石和充满树根的森林小径：在苏黎世湖南端的1098米高的Etzel山的道路上有许多障碍。但是，苏黎世联邦理工学院机器人系统实验室的四足机器人ANYmal，在31分钟的徒步旅行中毫不费力地克服了120米的垂直高度。这比人类徒步旅行的预计时间快了4分钟，而且没有摔倒或走错路。

这是通过一种新的控制技术实现的，苏黎世联邦理工学院的研究人员在机器人学教授 Marco Hutter 的领导下，最近在《科学机器人学》杂志上发表了这一技术。

Hutter教授说："该机器人已经学会了将其环境的视觉感知、本体感知和触觉结合起来，基于腿部的直接接触，这使它能够更快、更有效地处理粗糙的地形，最重要的是更坚固。在未来，ANYmal可以被用于对人类来说太危险或对其他机器人来说太难以通行的任何地方。

准确感知环境

为了导航困难的地形，人类和动物很自动地将他们对环境的视觉感知与他们的腿和手的本体感知相结合。这使他们能够轻松地处理湿滑或柔软的地面，即使在能见度低的情况下，也能自信地四处移动。到目前为止，腿部机器人只能在有限的范围内做到这一点。

哈特小组的博士生、该研究的主要作者Takahiro Miki说："原因是激光传感器和摄像机记录的关于眼前环境的信息往往是不完整和模糊的。"例如，高高的草、浅浅的水坑或雪看起来是无法克服的障碍，或者是部分不可见的，尽管机器人实际上可以穿越它们。此外，机器人的视线在野外可能会被困难的照明条件、灰尘或雾气所遮挡。

Miki说："这就是为什么像ANYmal这样的机器人必须能够自己决定何时相信对环境的视觉感知并轻快地前进，以及何时谨慎地、小步地前进会更好，而这就是巨大的挑战"。

一个虚拟训练营

得益于一个基于神经网络的新控制器，苏黎世联邦理工学院研究人员开发的、由苏黎世联邦理工学院衍生公司ANYboticscall_made商业化的腿部机器人ANYmal现在能够首次将外部感知和本体感知相结合。在机器人能够在现实世界中测试其能力之前，科学家们在一个虚拟训练营中将该系统暴露在众多障碍物和错误源中。

这让网络学会了机器人克服障碍的理想方式，以及何时可以依赖环境数据--何时忽略这些数据会更好。

Hutter 说："通过这种训练，机器人能够掌握最困难的自然地形，而之前并没有见过这种地形。即使关于直接环境的传感器数据模糊不清，这也能发挥作用。ANYmal然后发挥它的安全性，依靠它的本体感知。这使机器人能够结合两个世界的优点：外部感知的速度和效率以及本体感知的安全性。”

在极端条件下使用

无论是在地震之后、核灾难之后，还是在森林火灾期间，像ANYmal这样的机器人主要可用于对人类来说太危险的地方，以及其他机器人无法应对困难地形的地方。

去年9月，ANYmal在世界最知名的机器人竞赛Darpa地下挑战赛上展示了新的控制技术是如何运作的。苏黎世联邦理工学院的机器人在自主探索由狭窄隧道、洞穴和城市基础设施组成的地下系统时，自动并迅速克服了众多障碍和困难地形。这是苏黎世联邦理工学院的研究人员作为Cerberus团队的一部分，获得第一名并获得200万美元奖金的主要原因。