不论是对于腿足式机器人，还是履带式机器人，爬楼梯一直是一项巨大的挑战。
双足机器人上下楼梯时需要大量的感知和计算，然而近日，来自俄勒冈州立大学和Agility Robotics 的研究者提出了一种方法，使双足机器人Cassie在爬楼梯的时候，没有使用任何计算机视觉或传感器技术，而是完全依赖于Cassie的“本体感受”或身体意识，就像人类一样，向上或向下移动。
结果显示，在10个试验中，Cassies上楼梯的成功率是80％，下楼梯的成功率达到了100％。该论文将于7月在 RSS（RoboticsScience and Systems）2021 上发表。
论文地址：https://arxiv.org/pdf/2105.08328.pdf
我们一起来看看！
机器人自己上楼梯：
研究人员为 Cassie 配备了安全绳，只是为了防止机器人意外摔倒，绳子保持松弛状态：
不小心踩空了也能及时调整步伐
还可以压马路：
上下各种高低台阶不在话下：
复杂环境也能行走：
当然，也有摔倒的情况：
其实，在实验过程中，Cassie 也经历了诸多坎坷：它撞到过栏杆上，脚趾断过，从台阶上滑下来过，有时完全没踩到台阶，偶尔还会倒退。但令人惊讶的是，Cassie 还能坚持走到它该去的地方。
Cassie 没踩到台阶，但它站起来之后继续完成了任务
研究人员说，这就是这项研究如此令人兴奋的原因，与其尝试开发一种依靠高质量感知和大量计算的完美楼梯系统，还不如开发一种包含现实世界约束，同时设法实现这一目标。即使这不是最优雅的，但在现实世界中具有鲁棒性。
研究人员利用强化学习方法，根据典型的城市建筑规范，训练模拟 Cassie 走楼梯，楼梯设置高达 8 个台阶。为了将学习到的爬楼梯策略有效地从模拟迁移到现实世界中，该研究在模拟中设置了多种干扰，这些干扰用来表示难以精确模拟的各种现实事物。
例如，Cassie 模拟摔倒混乱、行走速度调整以及模拟地面摩擦引起的抖动等。因此，尽管模拟无法完全模拟真实的现实环境，但随机混合模拟可以确保该机器人的控制器在各种情况下具有鲁棒性。
使用强化学习来训练机器人的一个特殊之处是，有时即使提出了非常有效的方法，但也并不清楚其确切原因。
论文第一作者 Jonah Siekmann 表示他们观察到：Cassie在上楼梯时，走得越快就会走得越好。这对机器人来说有点违背直觉。
Siekmann 表示糟糕的落脚点导致了 Cassie 出现了一些「冒险行为」。他说「有时，Cassie 在下降过程中跳过了一至三个台阶，然后又恢复正常的下楼状态，这尤其令人惊讶。Cassie 在上楼时也绊倒然后又爬起来了。这个物理过程很复杂，因此学得的控制器中嵌入的那些精准的反应是非常令人兴奋的。此前我们还没有见过这种鲁棒性。」
如果要比较 Cassie 上下楼梯是否比蒙住眼睛的人更好，研究者表示这很难说。Siekmann 说：「我们多次开玩笑说 Cassie 在爬楼梯方面是超人，因为在拍摄这些视频的过程中，由于要专注于拍摄 Cassie（一定程度上没有看台阶），我们在上楼的过程中也绊倒了几次。」
实际上，人类在闭着眼睛尝试爬楼梯时，会依赖于「楼梯是完美统一的」这种假设。当人类无法依靠这样的假设时就会陷入困境。
Cassie 和大多数机器人一样受到一些约束。如果它看上去比其他机器人更有趣，那是因为它使用的是专门针对楼梯和类楼梯场景设计的特定楼梯控制器。
此外，该研究团队正在研究集成多个步态控制器的方法，这些步态控制器可以根据机器人的具体工作方式进行调用。这可能会涉及一些非常简单的感知系统，只是告诉机器人“前方有楼梯“。
https://spectrum.ieee.org/automaton/robotics/humanoids/agility-robotics-cassie-stairs
https://arxiv.org/abs/2105.08328
https://www.youtube.com/watch?v=MPhEmC6b6XU&t=154s
END
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
