研究人员创建了 DribbleBot，这是一种使用机载传感和计算在各种自然地形（包括沙子、砾石、泥浆和雪）上进行野外运球的系统。除了这些足球壮举之外，此类机器人有一天可能会帮助人类执行搜索和救援任务。

据报道，美国麻省理工学院的令人惊叹的人工智能实验室（计算机科学与人工智能实验室（CSAIL）的一部分）的研究人员开发了一种四足机器人系统，可以在各种自然地形上操控足球，包括沙子、砾石、泥土和雪。

这款名为"DribbleBot"的机器人结合了机载传感和计算技术，可以穿越不同的自然地形，并适应它们对足球运动的不同影响。就像一位忠诚的运动员一样，DribbleBot能够在摔倒后重新站起来并继续控球。

在过去的一段时间里，编程机器人踢足球一直是一个活跃的研究领域。然而，该团队希望通过自动学习如何在运球过程中操纵四肢，发现编写这种技能非常困难，以应对不同地形（如雪地、砾石、沙地、草地和人行道）的挑战。他们使用了输入模拟方法，将机器人、足球和地形都模拟在数字世界中。您可以加载机器人和其他资源，并设置物理参数，然后进行动力学的前向模拟。通过实时并行模拟4000个机器人版本，数据收集速度比单个机器人快4000倍，这是大量的数据。

机器人在开始时并不知道如何运球，它通过奖励来学习，即在成功运球时获得奖励，在失败时获得负面强化。因此，它本质上是试图弄清楚应该以何种顺序施加腿部力量。“这种强化学习方法的一个方面是，我们必须设计一个良好的奖励机制，以促进机器人学习成功的运球行为，”麻省理工学院博士生Gabe Margolis说道，他与Improbable项目的研究助理Yandong Ji共同领导了这项工作。这个人工智能实验室。“一旦我们设计好了奖励机制，机器人就开始练习了：在实时环境下需要几天的时间，在模拟器中则需要数百天的时间。随着时间的推移，它将越来越善于控制足球以达到所需的速度。”

该机器人系统内置了恢复控制器，使机器人能够在陌生的地形中导航并从跌倒中恢复。这个控制器可以让机器人在摔倒后重新站起来，并切换回控球模式以继续追球，帮助它应对外部干扰和地形变化。

麻省理工学院教授、CSAIL首席研究员兼Improbable AI实验室主任Pulkit Agrawal表示：“研究四足机器人的目标是探索目前无法到达的地形。”“我们开发四足机器人算法的目的是在具有挑战性和复杂地形的环境中提供自主性。”

与独自行走相比，带球运动对DribbleBot的运动及其能够穿越的地形施加了更多限制。机器人必须调整其运动以向足球施加力量来控球。球与地形的互动可能与机器人与地形的互动不同，例如草地和人行道上的摩擦力不同。例如，足球在草地上受到比人行道上更大的阻力，倾斜会产生加速力，改变球的典型路径。然而，机器人穿越不同地形的能力通常不受这些动力学差异的影响，只要它不滑倒。因此，足球测试可能对地形的变化更加敏感，而独立运动则不会受到太大影响。

“以前的方法简化了运球问题，假设地面是平坦而坚硬的。运动也被设计得更静态，机器人不会尝试同时奔跑和控球。”Ji表示：“这是控制问题中更具挑战性的动力学问题。我们通过将最新的进展扩展到这种结合运动和灵巧操作的复合任务中，解决了这个问题，这些进展使得更好的户外运动成为可能。”