双足机器人昂贵、复杂且脆弱。单从平衡的角度来看，两足站立和行走要比四足困难得多，但由于双足机器人更像人，所以仍有许多研究人员致力于双足机器人的开发。爬楼梯一直是机器人（双足、四足、履带等）的一大挑战。双足机器人在上下楼梯时需要大量的感知和计算。几乎在实验阶段就相当脆弱，可能会坏掉甚至失效。解决双足机器人走楼梯问题的一种方法是需要更好的感知和更多的计算来模拟楼梯和规划步行路径。近日，俄勒冈州立大学和AgilityRobotics的研究人员提出了一种方法，只需将双足机器人Cassie随机扔到室外楼梯上，就可以在完全没有任何感知的情况下完成走楼梯的任务，效果非常惊人。该论文将于7月发表在RSS（RoboticsScienceandSystems）2021上。论文地址：https://arxiv.org/pdf/2105.08328.pdf双足机器人Cassie上下楼梯效果如下。研究人员给Cassie配备了一根安全绳，就是为了防止机器人“坠落”，绳子一直松着：Cassie也能压路：它也能在复杂的环境中行走，但还是会磕磕绊绊：不过，Cassie也跌倒：双足机器人Cassie需要注意的是：Cassie没有感知，也就是说，它不知道自己上下楼梯的信息。但是机器人有自我反馈，这意味着它知道它的四肢如何与楼梯接触。此外，Cassie没有得到任何额外的帮助，因为安全绳一直处于松弛状态，只是为了防止机器人发生灾难性的跌落。实验过程中，卡西经历了多次起伏：撞到栏杆、摔断脚趾、从台阶上滑下来、完全没踩到台阶，偶尔还会倒退。但令人惊讶的是，卡西仍在往它应该去的地方走。卡西错过了步骤，但站起来继续执行任务。这就是为什么这项研究如此令人兴奋，与其试图开发一个依赖高质量感知和大量计算的完美楼梯系统，不如开发一个在尝试实现它的同时结合现实世界约束的系统。即使这不是最优雅的，它在现实世界中也是稳健的。根据典型的城市建筑规范，研究人员使用强化学习训练了一个模拟Cassie最多走八步楼梯。为了有效地将学习到的爬楼梯策略从模拟中迁移到现实世界中，该研究在模拟中设置了多个扰动，用于表示各种难以准确模拟的真实事物。例如，Cassie模拟跌倒混乱、行走速度调整以及模拟地面摩擦力引起的振动。因此，虽然模拟无法完全模拟真实的真实环境，但随机混合模拟可确保机器人的控制器在各种情况下都具有鲁棒性。使用强化学习训练机器人的一个特点是，有时即使提出了一种非常有效的方法，也不清楚具体原因。该论文的第一作者乔纳西克曼说，他们观察到卡西走上楼梯时，她走得越快，走得越好。这对机器人来说有点违反直觉：因为Cassie没有视力，所以她很难选择着陆点。如果它试图把它的脚放在楼梯的拐角处并将它的重量转移到那只脚上，结果就是它会从楼梯上掉下来。就步行速度而言，这没什么大不了的，因为Cassie的动力总成使其能够克服短时间的向后运动（即避免跌倒）。在低速行驶时，动力系统的强度不足以克服糟糕的立足点，它会一直撞到楼梯上，直到摔倒。在高速下，机器人往往会跳过一些台阶，将Cassie推向接近甚至超出其极限。西克曼说，糟糕的立足点导致了卡西的一些“冒险行为”。“有时候，卡西在下降的过程中跳过一到三步，然后恢复正常下降，这尤其令人惊讶，”他说。它很复杂，所以嵌入在学习控制器中的那些精确响应非常令人兴奋。我们以前从未见过这种稳健性。”如果要比较Cassie上下楼梯的速度是否比蒙住眼睛的人快，研究人员表示这很难说。“我们多次开玩笑说Cassie在爬楼梯方面是超人，因为在这些视频中，我们在上楼梯时跌跌撞撞，因为我们不得不专注于Cassie（在某种程度上不看台阶）”，西克曼说。摔倒过几次。”在执行动态任务时，比人类更好的机器人显然是一个非常高的标准，但也许大多数人实际上并没有像Cassie那样准备好盲目楼梯导航，因为Cassie是基于楼梯训练的，并且少量在训练过程中加入了“噪音”，使楼梯不是完全均匀的，以防止Cassie通过本体感觉和过拟合推导出楼梯的精确尺寸，从而得到一个完美均匀的楼梯。事实上，人类在试图闭着眼睛爬楼梯时依赖于楼梯完全均匀的假设。当人类不能依赖这样的假设时，他们就会遇到麻烦。Cassie和大多数机器人一样，有一些限制。如果它看起来比其他机器人更有趣，那是因为它使用了专门为楼梯和类似楼梯的场景设计的楼梯控制器。研究团队成员格林解释说：“当你训练神经网络充当控制器时，学习算法会随着时间的推移改进网络，以最大化其对特定环境的奖励。通过在楼梯上训练，我们得到了一个完全不同的控制器。”他说楼梯控制器在平坦的地面上工作正常，但效率较低且噪音大。研究团队正在研究如何集成多个步态控制器，这些控制器可以根据机器人的工作方式调用。这可能涉及一些非常简单的感知系统，只是告诉机器人“嘿，前面有楼梯，你最好使用楼梯模式！”
