在视觉信息的基础上，能够进一步感知和判断周边环境，并自主修正行走策略的四足步行机器人控制技术已经被开发出来。预计这一技术有望扩展应用到轮式·足式机器人和类人机器人等多种机器人平台。
KAIST表示，电气及电子工程系 Myung Hyun 教授研究团队与实验室创业企业 Eurobotics株式会社开展联合研究，开发出四足步行机器人控制技术“DreamWaQ++（드림워크++）”。上述消息于12日公布。
DreamWaQ++通过融合本体感觉与基于摄像头和激光雷达的外感受信息，实现了“认知驱动步行”。其核心在于，让机器人能够事先感知障碍物，并预先调整行走策略，从而突破单纯的反应式控制，实现对环境的理解与判断。
这是对研究团队此前开发的“DreamWaQ”的缺点进行补强后的成果。DreamWaQ基于“盲行（blind locomotion）”技术开发，仅依靠关节编码器和惯性传感器等本体感觉来估计地形并进行行走，其特点是在没有视觉信息的情况下也能实现强健移动。
不过，该技术存在只有在机器人腿部直接碰到障碍物时才能调整动作的局限。
为克服这一局限，研究团队在DreamWaQ++中设计并应用了多重感知强化学习结构，使其在轻量级运算基础上即可实现实时控制。同时，还兼顾了在传感器出现故障时可自动切换为基于其他感知的步行方式的稳定性，以及可应用于多种机器人平台的扩展性。
DreamWaQ++的性能也通过实验得到了验证。在实验中，应用DreamWaQ++的机器人在楼梯行走测试中，用时35秒便完成了由50级台阶（水平30.03米、垂直7.38米）组成的路线，其性能超过了盲行控制器和商用认知型控制器。
尤其是在陡坡环境中，应用DreamWaQ++的机器人在训练条件（10度）的基础上，能够稳定攀登陡度高出3.5倍的35度斜坡，并通过主动调整姿态，将后腿电机扭矩较以往降低了1.5倍。
在各种障碍物情境下，该机器人无需额外路径规划，就能自主选择高效路径，展现了基于学习的认知能力；在落差不确定的地形上，还观察到其会主动停下、先探测地面再继续移动的“探索行为”。
实验还验证了其在负载2.5公斤情况下跨越41厘米高障碍物等敏捷性表现。举例而言，在仿真中，ANYmal‑C（由瑞士苏黎世联邦理工学院开发的代表性四足步行机器人）最多可应对1.0米高度障碍，而应用DreamWaQ++的 KAIST Hound（由KAIST机械工程系 Park Haewon 教授团队开发的四足步行机器人）则可应对1.5米高度障碍，这是研究团队给出的说明。
实验中值得关注的一点是，即便在仅对较低障碍物（27厘米）进行过学习的情况下，DreamWaQ++在实际攀登更高的42厘米台阶时，仍取得了80%的成功率。这意味着机器人并非简单重复已学习情境，而是具备了对新环境进行自主适应的能力。
研究团队预计，今后DreamWaQ++技术有望应用于灾害应对、工业设施巡检，以及山林·农业等轮式机器人难以进入的环境。
Myung 教授表示：“本次研究表明，机器人已从单纯‘会动’的水平，发展到能够理解环境并自主判断的阶段。研究团队今后将把DreamWaQ++技术扩展为‘智能移动技术’，使其能够应用于更多真实环境。”
此外，本次研究中，I Made Aswin Nahrendra 博士（现为 Krafton 研究员，KAIST博士毕业）担任第一作者，Yu Byeongho 博士（Eurobotics株式会社首席执行官）和 Oh Minho 博士（Eurobotics株式会社首席技术官），以及 Lee Donggyu（Eurobotics株式会社首席技术官）、Lee Seunghyun、Lee Hyunwoo（KAIST）、Lim Hyeongtae 博士（麻省理工学院博士后研究员）等人作为共同作者参与。
研究成果已于今年2月发表在机器人学期刊《IEEE Transactions on Robotics（T‑RO）》上。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
