?還記得那個和特斯拉飆車的機器人嗎？

這是瑞士蘇黎世聯(lián)邦理工學院衍生公司研發(fā)的與公司同名的四足輪腿式機器人——Swiss-Mile，前身是ANYmal四足機器人。

距離它和特斯拉飆車還不到半年的時間，它又實現(xiàn)了重大升級。

這次升級改進了機器人的算法，運動能力直接UP UP UP ! 

可以雙腿站立下樓梯：

（小編內(nèi)心OS：如果是我穿輪滑鞋下樓梯可能會摔個狗吃屎）

樓梯爬累了，坐個電梯吧，用前腳按開電梯門：

面對障礙物應對自如：

它還能知道什么時候該站起來，什么時候該“趴下”，雙腿直立與四足運動之間的切換更絲滑：

AMP 算法首次應用在真實機器人上

Swiss-Mile之前使用過模型預測控制（MPC）與強化學習（RL）方法，然而這需要進行繁瑣的調(diào)整才能獲得理想的運動方式。

這次的算法升級，研究人員采用了Multi-AMP（Adversarial Motion Priors對抗性運動先驗）算法增強了傳統(tǒng)的強化學習框架，可以在沒有啟發(fā)式的情況下自動執(zhí)行多個運動先驗的模仿?標和運動選擇過程。

AMP究竟是什么呢？

這是一種基于物理角色動畫的對抗學習系統(tǒng)，由加州?學伯克利分校和上海交通大學的研究者提出，并且Swiss-Mile首次將該方法應用于真正的機器人身上！

對于一般的模仿學習，通常需要手動提取大量需要模仿的運動片段作為跟蹤目標，而使用AMP能夠自動選合適的動作片段來實現(xiàn)目標任務，它將誤差度量、相位和運動剪輯選擇外包給鑒別器，鑒別器學習區(qū)分策略和運動數(shù)據(jù)的狀態(tài)轉換。

模擬和部署訓練

研究人員將Multi-AMP 框架部署在具有 16個自由度的Swiss-Mile上，使? Isaac Gym 模擬器實現(xiàn)，超過 4000個機器人可以同時在 42 分鐘內(nèi)訓練技能。

訓練環(huán)境由三個任務組成：

第?個任務是四足運動，運動數(shù)據(jù)由RL 策略記錄的運動組成。

第二個任務是躲避技能，讓機器?躲到桌?下?。該技能的運動數(shù)據(jù)由軌跡優(yōu)化管道?成，由 MPC 控制器部署和跟蹤。

最后?項任務是“站立”到“四足”之間的運動轉換，機器人運用數(shù)據(jù)解耦技能可以用后腿站起來，?兩條腿滑行，最后使用與站起來時的相同的動作再次坐下。

最后，將Swiss-Mile部署到真實環(huán)境中，研究人員使用腿部關節(jié)的執(zhí)行器模型來彌合模擬到真實的差距，并利用崎嶇地形訓練、隨機干擾等提高穩(wěn)健性；如果某個關節(jié)速度超過了執(zhí)行器的限制，則通過終?軌跡，讓機器人學會保持該限制的安全容差。

四足or人形機器人？效率比腿式系統(tǒng)高83%！

Swiss-Mile不僅是四足機器人，也是個人形機器人。

輪式與腿式相比具有許多顯著優(yōu)勢，在進行了算法改良后，機器人可以直接以“人形機器人”的狀態(tài)站立起來，執(zhí)行滑行、爬樓梯、下坡等高難度動作，能夠更快、更有效地移動，比四足行走要快的多，效率比腿式系統(tǒng)高 83%！

未來，該公司希望將輪腿機器人商業(yè)化，以完成各種任務，包括地圖、檢查、救災和城市環(huán)境中的物流等。

也許有一天，你會看到機器人將抬起來的“前腿”作為手臂，抓取快遞包裹，然后將它們放在背上的貨艙中，再回到四肢著地，以最快的速度送貨上門。?