转载：本文嚟自微信公众号“学术头条”（ID:SciTouTiao），作者：阳光，转载经授权发布。
四足机器人由于其运动稳定性在人哋日常生活中嘅应用越嚟越广泛，但是由于相关硬件同软件嘅制约，现有嘅机器人只能被束缚在一个固定嘅形态下工作，呢种固定嘅形态使现有机器人不利于在复杂嘅环境中使用。
形态自适应机器人是一项好有前途嘅技术，佢可以在工作状态下适应大量不可预测嘅环境同任务，而不需要在机器人每次遇到意外情况时再重新设计。
呢排，嚟自奥斯陆大学（University of Oslo）信息学院嘅研究团队成功研制出一种新型四足机器人，佢不仅能够感知地形变换，同时仲可以根据地形变换自动改变形态。这都是人类历史上第一个功能齐全嘅形态自适应机器人。
相关论文以 “Real-world embodied AI through a morphologically adaptive quadruped robot” 为题，于 3 月 16 日发表在科学期刊 Nature 子刊《自然-机器智能》（Nature Machine Intelligence）上。
（嚟源：Machine Intelligence）
新型四足机器人基于一种嵌入式嘅人工智能，由一个允许可以变换形态嘅四足机器人同一个适应算法组成。其中基于人工智能嘅适应算法，但系以在家阵时感知地形嘅基础上，使机器人在最节能嘅形态中不断变化。
利用呢种基于人工智能算法嘅四足机器人，训练佢在不同形态配置之间嘅有效过渡，结果表现出大幅度嘅性能提升。呢种人工智能同机器人结合嘅方式，展现一种将形态学适应性融入未嚟机器人设计嘅潜力。
机器人固定结构嘅束缚
10 年前，日本发生 9 级地震引发海啸，福岛核电站受到影响发生爆炸。直到而家，核电站爆炸波及嘅地区，依然受到核辐射嘅影响，危害环境同人类健康。
点样检测核反应堆而家嘅情况，技术上嘅限制意味住最终嘅解决方案需要大量高度专业化嘅传统机器人，相应地需要大量嘅部署同延长任务时间。
但是检测核反应堆区域嘅机器人，面临住好多艰难嘅挑战：通过一条狭窄嘅管道进入该区域，穿过平台之间嘅缝隙，穿过各种类型嘅碎片，甚至在浑浊嘅水中游泳。
图 | 福岛核电站地面情况复杂多变（嚟源：NS Energy）
设计一个机器人在咁多样同非结构化嘅环境中工作是一项具有挑战性嘅任务，因为在工作过程度，环境条件可能会发生变化，有时甚至是剧烈嘅变化。
使机器人变形从而适应周围环境是一个十分有吸引力嘅解决方案。虽然呢种解决方案极具挑战性，但是却能够实现机器人处理更复杂嘅任务。
在现实世界中直接优化或改变机器人形态嘅例子比较少，现有改变形态嘅方法主要是利用手动装配或重新配置嘅外部机构。呢种方法需要大量嘅时间、外部设备或人工干预，并且不适合在独立操作期间进行连续调整。
基于 AI 嘅四足机器人
正是因为设计、建造同维护具有复杂动态形态机器人所面临嘅挑战，所以几乎没有内置形态适应能力嘅机器人。
呢排，嚟自奥斯陆大学嘅研究团队成功开发一种基于人工智能嘅形态学自适应四足机器人，佢可以利用可变嘅形态嚟适应不断变换嘅室内或室外环境。
图 | 形态自适应机器人嘅结构 （嚟源：Machine Intelligence）
四足机器人形态适应功能是通过可变长度嘅腿提供嘅，佢股骨同胫骨嘅长度可以在工作中得到调节，从而实现不同嘅行走方式。
同时，形态自适应机器人通过一种新嘅地形适应算法，使机器人嘅形态适应家阵时地形。呢种算法通过知识引导，在线改变机器人嘅形态配置，以便在感知嘅地形特征时，通过变换形态从而优化能效。
该器人具有保持合理有效载荷嘅能力，并且在真实世界可以执行户外各种任务。同时，佢仲具有传感同驱动功能，但系以在具有挑战性嘅现实环境中关闭体现大脑 – 身体 – 环境回路。
此外，该研究有助于为灵活嘅硬件平台铺平道路，呢啲平台能够在室外等非结构化嘅地形中执行各种有用嘅任务。
不同环境不同形态
为咗探究形态学自适应机器人嘅性能，研究团队分别在不同嘅室内环境同真实嘅室外环境中对机器人进行一系列嘅测试。
在观察到对机器人行为嘅显著影响之前，需要测量腿长嘅最小变化。每个腿段限五个均匀采样嘅离散长度，总共畀出 25 种不同嘅形态组合。
图 | 三个表面上每种形态嘅能耗 （嚟源：Machine Intelligence）
当在混凝土上行走时，机器人以长股骨同短胫骨以及中等股骨同中等胫骨实现最佳能耗。喺沙地上，机器人使用短至中等长度嘅胫骨有好高嘅效率，而股骨长度对能耗嘅影响较小。砾石嘅稠度要小得多，但是使用最短嘅腿可以实现最低嘅能耗。
图 | 室内测试环境同结果 （嚟源：Machine Intelligence）
在室内嘅测试度，研究人员分别测试沙子 – 砾石同砾石 – 混凝土组合下机器人嘅适应能力。呢啲盒子被放置在一个运动捕捉设备度，以实现高精度嘅室内定位。
能耗数据显示，喺一个地形上特化嘅形态唔可以好好地转移到另一个地形上，没有一种形态在两个地形上都系表现最好嘅。
混凝土专用形态（橙色）嘅平均能耗为 23，过渡后上升至 37，导致能耗降低约 60%。砾石专用形态（绿色）从平均能耗为 36 开始，但在砾石上达到 26，显示在踏上形态嘅最佳地形后提高约 70%。
自适应形态学（蓝色）在呢啲已知嘅地形上表现一致，并且变化检测算法在适当嘅时间触发形态学嘅切换。
图 | 室外测试环境同结果 （嚟源：Machine Intelligence）
户外测试嘅路线从一片草地开始，然后机器人踏上混凝土道路，最后佢回到草地上。再次回到同一个表面，但系以测试算法能够在何种程度上基于先前在草地上行走嘅经验嚟调整佢嘅模型。
能源效率数据显示，每个阶段嘅效率都降低 10% 以上，呢种适应性在所有三个地形部分都优于全方位嘅最佳形态。
图 | 自适应算法分析 （嚟源：Machine Intelligence）
同时，研究人员仲对自适应算法进行分析，自适应算法允许机器人在自然、非结构化嘅地形上进行现场室外实验时，使用以前学习嘅模型作为参考点，根据以前睇不到嘅环境不断改变其形态。同时在重新回到已有环境时，自适应算法成功地将新地形嘅经验同基线数据集相结合，以快速生成低误差预测。
朝住更加完美的方向迈进
改变形态嚟适应现实世界环境，是征服非结构化地形嘅一种强大而有前途嘅技术，同家阵时机器人普遍存在嘅静态形态相比，具有相当大嘅优势。一系列室内同室外嘅测试显示，该机器人系统可以快速嘅在草地上学习到高性能嘅形态，虽然佢以前只经历过沙子、砾石同混凝土。
研究团队嘅一系列试验都已经证实呢种方式嘅有效性，并且同最好嘅单一静态形态相比，嵌入嘅人工智能提供显著改善嘅性能。
呢种动态变形策略在测试过程中比任何单一静态形态都具有更好嘅能耗，并且自适应形态是机器人在非结构化地形中工作嘅一个有利特征。
但是，现有嘅形态自适应机器人研究都存在一定嘅不足。研究所使用控制器到形态学嘅一对一映射，而唔系明确搜索有效嘅身体 – 大脑组合。相比较嚟讲后者是一种拥有更快适应速度嘅方式。
在高度动态嘅环境度，更快嘅适应将是有利嘅，但是现有嘅变换速率较慢。喺呢种环境度，机器人必须不断地在其瞬时形态配置同模型预测嘅最佳配置之间追赶。同时，未嚟都可以考虑更高级嘅形态适应机制。
（嚟源：Freepik）
呢啲结果嘅影响可能是深远嘅。研究人员希望能够启发类似机制嘅设计同采用，例如在商业平台上，以进一步扩大佢哋嘅使用范围。同时，这项研究工作是朝住形态自适应机器人方向迈出嘅重要一步，都标志住机器人在非结构化环境中操作嘅总体目标得以实现。
参考资料：
链接
cantonese.live 足跡 粵字翻譯
2021-03-19 13:35:26
请登录之后再进行评论