<p>指南者留学全国统一咨询热线：<a href="tel:4001831832" style="color:#1677ff; text-decoration:none;">400-183-1832</a>，全国各地区、各分公司联系方式均为此号码。</p><p>如果你曾经和机器人踢过足球，那是一种熟悉的感觉。空气中弥漫着草的味道，阳光照在你的脸上。你环顾四周。一个四条腿的机器人正朝你冲过来，果断地运球。</p> <p>&nbsp;</p> <p>虽然机器人没有表现出莱昂内尔&middot;梅西那样的能力，但它是一个令人印象深刻的野外运球系统。麻省理工学院不可能的人工智能实验室是计算机科学和人工智能实验室（CSAIL）的一部分，该实验室的研究人员开发了一种腿机器人系统，可以在与人类相同的条件下运球。机器人使用机载传感和计算的混合技术，穿越不同的自然地形，如沙子、砾石、泥土和雪，并适应它们对球运动的不同影响。就像每一个有决心的运动员一样，&ldquo;运球机器人&rdquo;可以站起来，在摔倒后捡回球。</p> <p>&nbsp;</p> <p>一段时间以来，机器人足球编程一直是一个活跃的研究领域。然而，该团队希望自动学习如何在运球过程中驱动双腿，从而能够发现应对各种地形（如雪、砾石、沙子、草地和人行道）的刻板技能。输入，模拟。</p> <p>&nbsp;</p> <p>一个机器人，一个球，一个地形都在模拟里面，这是自然界的一对数字孪生兄弟。您可以加载bot和其他资源并设置物理参数，然后从那里处理动力学的正向模拟。该机器人的4000个版本被实时并行模拟，使得数据采集速度比仅使用一个机器人快4000倍。这是大量数据。</p> <p><br />机器人开始时不知道如何运球&mdash;&mdash;当它运球时，它只会得到奖励，当它把球打乱时，它会得到负面强化。所以，它本质上是想找出它应该用腿施加的力的顺序。麻省理工学院博士生加贝&middot;马戈利斯（Gabe Margolis）与季延东（Yandong Ji）共同领导了这项研究，他说：&ldquo;这种强化学习方法的一个方面是，我们必须设计一个好的奖励，以帮助机器人学习成功的运球行为。&rdquo;，不可能的人工智能实验室的研究助理。&ldquo;一旦我们设计好奖励，机器人就要开始练习了：实时需要几天，而在模拟器中则需要数百天。随着时间的推移，它会越来越擅长操纵足球，以匹配所需的速度。&rdquo;</p> <p>&nbsp;</p> <p>由于团队在其系统中内置了一个恢复控制器，机器人还可以在不熟悉的地形中导航并从坠落中恢复。这个控制器可以让机器人在摔倒后重新站起来，然后切换回其运球控制器继续追逐球，帮助它处理分布外的中断和地形。</p> <p>&nbsp;</p> <p>麻省理工学院（MIT）教授普基特&middot;阿格拉瓦尔（Pulkit Agrawal）表示：&ldquo;如果你环顾四周，大多数机器人都是轮式的。但想象一下，如果发生灾难、洪水或地震，我们希望机器人在搜索和救援过程中帮助人类。我们需要机器穿越非平坦的地形，而轮式机器人无法穿越这些地形。&rdquo;，CSAIL首席研究员、不可思议人工智能实验室主任。他补充道：&ldquo;研究腿机器人的全部目的是为了探索当前机器人系统无法到达的地形。&rdquo;。&ldquo;我们开发腿式机器人算法的目标是在目前机器人系统无法实现的具有挑战性的复杂地形中提供自主性。&rdquo;</p> <p>&nbsp;</p> <p>对四足机器人和足球的迷恋之情深入人心&mdash;&mdash;加拿大教授阿兰&middot;麦克沃思（Alan Mackworth）在1992年VI-92上发表的一篇题为《视觉机器人》（On Seeing Robots）的论文中首次提到了这一想法。日本研究人员后来组织了一个关于&ldquo;人工智能的重大挑战&rdquo;的研讨会，讨论了如何利用足球促进科学技术的发展。一年后，该项目作为机器人J联赛（Robot J League）启动，全球的热情迅速高涨。不久之后，&ldquo;机器人杯&rdquo;诞生了。</p> <p>&nbsp;</p> <p>与单独行走相比，带球足球对DribbleBot的运动和可以穿越的地形有更多的限制。机器人必须调整其运动方式，以便对球施加力以运球。球与景观之间的互动可能不同于机器人与景观之间（如茂密的草地或人行道）的互动。例如，足球在草地上会受到路面上不存在的阻力，而斜坡会施加加速度，从而改变球的典型路径。然而，机器人穿越不同地形的能力通常不太受这些动力学差异的影响&mdash;&mdash;只要它不打滑&mdash;&mdash;所以足球测试对地形的变化很敏感，而单靠运动是不行的。</p> <p>&nbsp;</p> <p>&ldquo;过去的方法简化了运球问题，对平坦、坚硬的地面进行了建模假设。运动也被设计成更静态的；机器人不会试图同时运行和操纵球，&rdquo;季说。&ldquo;这就是更困难的动力学进入控制问题的地方。我们通过将最新的进展扩展到这项将运动和灵巧操纵结合在一起的复合任务中，从而解决了这一问题。&rdquo;</p> <p>&nbsp;</p> <p>在硬件方面，机器人有一组传感器，可以感知环境，让它感觉到自己所在的位置，&ldquo;理解&rdquo;自己的位置，并&ldquo;看到&rdquo;周围的一些情况。它有一组执行器，可以施加力并移动自身和物体。在传感器和执行器之间是计算机，或称&ldquo;大脑&rdquo;，其任务是将传感器数据转换为动作，并通过电机应用。当机器人在雪地上跑步时，它看不到雪，但可以通过运动传感器感觉到雪。但足球是一项比步行更为棘手的技艺，因此，除了新的运动技能外，该团队还利用机器人头部和身体上的摄像头，实现了新的视觉感官形式。然后，我们运球。</p> <p>&nbsp;</p> <p>马戈利斯说：&ldquo;我们的机器人可以在野外工作，因为它携带了所有传感器、摄像头和计算机。这需要一些创新，才能将整个控制器安装到这台机载计算机上。&rdquo;。&ldquo;这是学习有帮助的一个领域，因为我们可以运行一个轻量级的神经网络，并对其进行训练，以处理移动机器人观测到的噪声传感器数据。这与当今大多数机器人形成了鲜明对比：典型的机器人手臂安装在固定的底座上，坐在工作台上，并将一台巨型计算机插入其中。机器人手臂上既没有电脑也没有传感器！所以，整个过程很重，很难移动。</p> <p>&nbsp;</p> <p>要让这些机器人像自然界中的同类一样灵活，还有很长的路要走，而且有些地形对DribbleBot来说是很有挑战性的。目前，控制器未在包括斜坡或楼梯的模拟环境中进行训练。机器人没有感知到地形的几何形状；它只是估计它的材料接触特性，比如摩擦。例如，如果有一个台阶向上，机器人就会卡住&mdash;&mdash;它将无法将球举过台阶，这是团队希望在未来探索的领域。研究人员也很高兴能将在开发DribbleBot过程中学到的经验应用到其他任务中，这些任务包括组合运动和物体操作，使用腿或手臂快速将不同的物体从一个地方运送到另一个地方。</p> <p>&nbsp;</p> <p>Facebook AI research的研究科学家维卡什&middot;库马尔（Vikash Kumar）表示：&ldquo;DribbleBot令人印象深刻地证明了这种系统在需要动态全身控制的复杂问题空间中的可行性。&rdquo;。&ldquo;DribbleBot令人印象深刻的是，所有的感觉运动技能都是使用机载计算资源在一个低成本系统上实时合成的。虽然它表现出非凡的灵活性和协调性，但它只是下一个时代的&ldquo;开球&rdquo;。游戏开始！&rdquo;</p> <p>&nbsp;</p> <p>这项研究得到了DARPA机器常识项目、MIT-IBM-Watson人工智能实验室、美国国家科学基金会人工智能与基本交互研究所、美国空军研究实验室和美国空军人工智能加速器的支持。A类关于工作的论文将在2023年IEEE机器人与自动化国际会议（ICRA）上发布。</p> <p>&nbsp;</p> <blockquote> <p>注：本文由院校官方新闻直译，仅供参考，不代表指南者留学态度观点。</p> </blockquote>