盖世汽车讯 受动物和昆虫启发而开发的足式机器人能够帮助人类完成各种现实世界中的任务，例如递送包裹或监测特定环境。近年来，计算机科学家已经开发出算法，使这些机器人能够以不同的速度行走、跳跃、模仿某些动物的动作，并以极高的敏捷性移动。

图片来源：University of Michigan

据外媒报道，美国密歇根大学（University of Michigan）计算自主与机器人实验室（CURLY Lab）和中国南方科技大学（Southern University of Science and Technology）的研究人员最近开发出一种基于强化学习的框架，使足式机器人能够成功使用滑板。研究人员在arXiv预印本服务器上的一篇论文中概述了这一框架，该框架也可用于模拟现实世界中其他需要与物体物理接触的复杂动作。

该论文的通讯作者Sangli Teng表示：“现有的四足机器人运动方法并未考虑与目标物体之间的大量接触交互，例如滑滑板。我们的研究旨在为包括滑滑板这类值得研究的接触引导任务设计一个流程。密歇根大学在开发混合动力系统方面有着悠久的历史，这启发了我们通过人工智能中的数据驱动方法来识别这种混合效应。”

Teng及其同事近期工作的主要目标是让足式机器人能够执行接触引导的运动，包括滑滑板。为此，他们开发了一种名为离散时间混合自动机学习（DHAL）的新框架。

“混合动力学”是指一个系统可以同时执行连续和离散的状态转换。这意味着它可以平滑地移动，并随着时间的推移突然改变其状态。

Teng解释说：“例如，当一个弹跳的球与地面相互作用时，球在空中是一个连续动态，而在与地面碰撞时则会发生离散的状态转换。对于具有多个连续动态和转换函数的系统，要同时识别离散模式和连续动态是极其困难的。这是因为与可能的离散转换数量相比，可能的转换数量呈指数级增长。”

Teng所描述的突然转换使得传统的基于回归的计算方法难以学习系统的动态。研究人员开发的DHAL框架能够识别这些突然的转换，随后使用基于回归的技术学习系统动态的每个连续段，从而减少不连续效应，因为这种效应会影响机器人在滑滑板等任务中的表现。

Teng表示：“与现有方法相比，DHAL不需要手动识别离散转换，也不需要事先了解转换状态的数量。DHAL中的所有内容都是启发式的，我们展示了这种方法可以自主识别动态的模式转换。”

DHAL框架的另一个优势是它具有高度的直观性，从而确保其识别的模式转换与通常与滑滑板相关的转换一致。在初步测试中，研究人员发现，它使四足机器人能够平稳地踏上滑板，并利用滑板快速前进，同时还能拉动一个小推车。

Teng表示：“在推动、滑行和上板阶段，DHAL会自动输出不同的标签。我们的方法可以应用于混合动力系统的状态估计，以确定是否发生了这种转换。有了这种转换信息，系统可以更好地估计状态，从而辅助决策。”

Teng及其同事开发的这一强化学习框架可能推动足式机器人在现实世界中的部署。例如，它可以使机器人利用滑板更快地移动，在城市环境、办公室或制造设施内递送包裹。

Teng补充道：“我们现在计划将这一框架应用于其他场景，例如灵巧操作（即用多个手指或手臂操作物体）。DHAL有望更准确地预测接触情况，从而使规划和控制算法能够做出更好的决策。”