研究人員創(chuàng)建了 DribbleBot，這是一種使用機載傳感和計算在各種自然地形（包括沙子、礫石、泥漿和雪）上進行野外運球的系統(tǒng)。除了這些足球壯舉之外，此類機器人有一天可能會幫助人類執(zhí)行搜索和救援任務(wù)。

據(jù)報道，美國麻省理工學(xué)院的令人驚嘆的人工智能實驗室（計算機科學(xué)與人工智能實驗室（CSAIL）的一部分）的研究人員開發(fā)了一種四足機器人系統(tǒng)，可以在各種自然地形上操控足球，包括沙子、礫石、泥土和雪。

這款名為"DribbleBot"的機器人結(jié)合了機載傳感和計算技術(shù)，可以穿越不同的自然地形，并適應(yīng)它們對足球運動的不同影響。就像一位忠誠的運動員一樣，DribbleBot能夠在摔倒后重新站起來并繼續(xù)控球。

在過去的一段時間里，編程機器人踢足球一直是一個活躍的研究領(lǐng)域。然而，該團隊希望通過自動學(xué)習(xí)如何在運球過程中操縱四肢，發(fā)現(xiàn)編寫這種技能非常困難，以應(yīng)對不同地形（如雪地、礫石、沙地、草地和人行道）的挑戰(zhàn)。他們使用了輸入模擬方法，將機器人、足球和地形都模擬在數(shù)字世界中。您可以加載機器人和其他資源，并設(shè)置物理參數(shù)，然后進行動力學(xué)的前向模擬。通過實時并行模擬4000個機器人版本，數(shù)據(jù)收集速度比單個機器人快4000倍，這是大量的數(shù)據(jù)。

機器人在開始時并不知道如何運球，它通過獎勵來學(xué)習(xí)，即在成功運球時獲得獎勵，在失敗時獲得負(fù)面強化。因此，它本質(zhì)上是試圖弄清楚應(yīng)該以何種順序施加腿部力量?！斑@種強化學(xué)習(xí)方法的一個方面是，我們必須設(shè)計一個良好的獎勵機制，以促進機器人學(xué)習(xí)成功的運球行為，”麻省理工學(xué)院博士生Gabe Margolis說道，他與Improbable項目的研究助理Yandong Ji共同領(lǐng)導(dǎo)了這項工作。這個人工智能實驗室?！耙坏┪覀冊O(shè)計好了獎勵機制，機器人就開始練習(xí)了：在實時環(huán)境下需要幾天的時間，在模擬器中則需要數(shù)百天的時間。隨著時間的推移，它將越來越善于控制足球以達到所需的速度。”

該機器人系統(tǒng)內(nèi)置了恢復(fù)控制器，使機器人能夠在陌生的地形中導(dǎo)航并從跌倒中恢復(fù)。這個控制器可以讓機器人在摔倒后重新站起來，并切換回控球模式以繼續(xù)追球，幫助它應(yīng)對外部干擾和地形變化。

麻省理工學(xué)院教授、CSAIL首席研究員兼Improbable AI實驗室主任Pulkit Agrawal表示：“研究四足機器人的目標(biāo)是探索目前無法到達的地形。”“我們開發(fā)四足機器人算法的目的是在具有挑戰(zhàn)性和復(fù)雜地形的環(huán)境中提供自主性。”

與獨自行走相比，帶球運動對DribbleBot的運動及其能夠穿越的地形施加了更多限制。機器人必須調(diào)整其運動以向足球施加力量來控球。球與地形的互動可能與機器人與地形的互動不同，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，傾斜會產(chǎn)生加速力，改變球的典型路徑。然而，機器人穿越不同地形的能力通常不受這些動力學(xué)差異的影響，只要它不滑倒。因此，足球測試可能對地形的變化更加敏感，而獨立運動則不會受到太大影響。

“以前的方法簡化了運球問題，假設(shè)地面是平坦而堅硬的。運動也被設(shè)計得更靜態(tài)，機器人不會嘗試同時奔跑和控球?！盝i表示：“這是控制問題中更具挑戰(zhàn)性的動力學(xué)問題。我們通過將最新的進展擴展到這種結(jié)合運動和靈巧操作的復(fù)合任務(wù)中，解決了這個問題，這些進展使得更好的戶外運動成為可能。”