机器人的护球像亨利？MIT的DribbleBot在现实条件下学习运球

来源：cnBeta 　2023-04-05 11:39:44

(资料图片)

麻省理工学院的Improbable人工智能实验室已经开发出一种灵巧的带腿机器人（DribbleBot），可以在类似于人类球员所遇到的真实条件下运球。自20世纪90年代中期以来，机器人足球（有些人认为是足球）已经出现，尽管这些比赛往往是人类比赛的一个相当简化的版本。然而，对于机器人学家来说，让机器人操纵足球也是一个非常有吸引力的研究课题。

通常情况下，这些研究工作的中心是在一个非常平坦、均匀的表面上行进的轮式机器人，追赶一个滚动的球。对于DribbleBot，该团队使用了一个带有两个鱼眼镜头的四足机器人和一个具有神经网络学习能力的板载计算机，用于在一个具有真实球场的不平整地形并包括沙地、泥地和雪地的区域追踪一个3号足球。这不仅使球在滚动时不容易预测，而且还提高了跌倒的危险，不仅如此，一旦跌倒，这个40厘米（16英寸）高的机器人还必须从跌倒中恢复过来，然后像人类球员一样追回球。

DribbleBot的高度为40厘米（16英寸）。

波士顿动力公司的机器人经常演示在不平整的地面上跑来跑去，做后空翻，这可能看起来很简单，但在运球方面，技术上有很大的区别。一个行走的机器人可以依靠外部视觉传感器，为了保持平衡，它依靠分析它的脚对地面的抓握程度。在不平坦地形上滚动的球要复杂得多，因为它对不影响运球者的小因素作出反应，要求机器人自己发现在球和它都在运行时控制球所需的技能。

为了加快这一过程，MIT研究人员对机器人进行了4000次数字模拟，包括所涉及的动力学以及如何对模拟球的滚动方式作出反应，这些模拟都是实时平行进行的。当机器人学会运球时，它得到了正强化的奖励，如果它犯了错误，则得到负强化，这些模拟使得数百天的比赛被压缩到了几个小时。

然后在现实世界中，机器人的机载摄像头、传感器和执行器使它能够应用它所学到的数字技术，并在更复杂的现实中磨练这些技能。

DribbleBot通过试验和错误以及奖励来学习

麻省理工学院教授、CSAIL首席研究员、Improbable人工智能实验室主任Pulkit Agrawal说："如果你今天看看周围，大多数机器人都是有轮子的。但想象一下，有一个灾难场景，洪水，或地震，我们希望机器人在搜索和救援过程中协助人类。我们需要机器走过不平坦的地形，而有轮子的机器人无法穿越这些地貌。研究腿部机器人的全部意义在于走当前机器人系统所不能走的地形。我们为腿部机器人开发算法的目标是在具有挑战性的复杂地形中提供自主性，这些地形目前是机器人系统无法企及的。"

这项研究将在2023年5月29日开始的伦敦IEEE国际机器人和自动化会议（ICRA）上发表。

推荐DIY文章