还记得和特斯拉赛跑的机器人吗？这是一款与苏黎世瑞士联邦理工学院衍生公司Swiss-Mile研发的同名四足轮腿机器人，前身为ANYmal四足机器人。与特斯拉赛跑不到半年，就实现了重大升级。本次升级改进了机器人的算法，移动能力直接UPUPUP！可以双腿站立下楼梯：（小编内心OS：如果我穿着旱冰鞋下楼梯，可能会摔倒吃屎。）楼梯累了，坐下坐电梯，按电梯前脚开门：越障自如：还能知道什么时候该站起来，什么时候该“趴下”，直立腿和四足运动切换更顺畅：AMP算法首次应用于真正的机器人。Swiss-Mile之前使用模型预测控制(MPC)和强化学习(RL)方法，但这需要进行繁琐的调整才能获得理想的运动。在本次算法升级中，研究人员使用Multi-AMP（AdversarialMotionPriors）算法对传统的强化学习框架进行增强，无需启发式即可自动进行多种运动先验的模仿。目标和运动选择过程。AMP到底是什么？这是一个基于物理角色动画的对抗学习系统，由加州大学伯克利分校和上海交通大学的研究人员提出，Swiss-Mile率先将这种方法应用到真实的机器人上！对于一般的模仿学习，通常需要人工提取大量需要模仿的运动片段作为跟踪目标，而使用AMP可以自动选择合适的运动片段来完成目标任务，并将误差测量、相位和动作剪辑选择给判别器，判别器学习区分动作数据中的策略和状态转换。仿真部署训练研究人员将Multi-AMP框架部署在16个自由度的Swiss-Mile上，使用IsaacGym模拟器，4000多个机器人可以在42分钟内同时进行技能训练。训练环境包含三个任务：第一个任务是四足运动，运动数据由RL策略记录的运动组成。第二个任务是闪避技能，让机器人躲在桌子底下。技能的运动数据由轨迹优化管道生成，由MPC控制器部署和跟踪。最后一个任务是从“站立”到“四足”的运动过渡。使用数据解耦技术，机器人可以用后腿站立，用两条腿滑行，最后用与站立时相同的动作再次坐下。向下。最后，为了将Swiss-Mile部署到真实环境中，研究人员使用腿部关节的执行器模型来弥合模拟与真实的差距，并使用崎岖地形训练、随机干扰等来提高鲁棒性；如果关节速度超过执行器约束，则通过终止轨迹，让机器人学会保持对约束的安全容差。四足动物还是类人动物？效率比腿式系统高83%！Swiss-Mile不仅是四足机器人，还是人形机器人。与腿式相比，轮式具有许多显着优点。算法改进后，机器人可以以“人形机器人”的状态直接站立，进行滑行、爬楼梯、下坡等高难度动作。移动效率更高，比四足行走快得多，比腿式系统效率高83%！未来，该公司希望将轮腿机器人商业化，用于城市环境中的测绘、检查、救灾和物流等各种任务。也许有一天，你会看到一个机器人用它抬起的“前腿”当手臂，抓起快递包裹，放在它背上的货舱里，然后四肢着地，以最快的速度把货物送到你家门口。可能的。
