近日，哈爾濱工業(yè)大學機電學院高海波教授團隊在野外足式機器人環(huán)境認知學習與自主導航方面取得重要進展，相關研究成果(Learning physical characteristics like animals for legged robots)作為封面論文發(fā)表于綜合類頂級期刊《國家科學評論》（National Science Review，NSR）。

足式機器人在非結構化環(huán)境下具有靈活的運動性能和良好的地形適應能力，然而野外環(huán)境復雜多變，泥沙、冰雪、積水等非幾何障礙限制了它們的實際應用。面對具有不同物理特性的非幾何障礙，通過自主規(guī)劃提前規(guī)避或通過智能控制主動適應是有效的處理方法。因此，如何提前感知地形的物理特征信息，如軟硬程度和摩擦系數(shù)，變得尤為重要。

動物可以通過對物理特征的理解去適應不斷變化的地形環(huán)境，為足式機器人的環(huán)境認知學習提供了仿生學啟示。從如下視頻中可以發(fā)現(xiàn)，小貓在危險區(qū)域行走時會用腳輕輕地試觸地形，估計地面的承壓和附著能力；在后續(xù)行走過程中，小貓根據(jù)先前積累的經驗對具有相似視覺特征的地形進行預估，并避開非幾何危險區(qū)域。然而，機器人實現(xiàn)類似的認知行為卻面臨諸多挑戰(zhàn)：如何通過視覺和觸覺信息實現(xiàn)對地形物理特征的有效表征？如何通過對圖像數(shù)據(jù)和模型參數(shù)的聚類與映射匹配實現(xiàn)環(huán)境認知？如何解決由于地面環(huán)境動態(tài)變化造成的認知沖突？

針對上述問題，研究團隊提出了一種足式機器人的環(huán)境物理特征類動物學習方法。研究人員以法向/切向足地作用力學模型為基礎，設計了基于模型-數(shù)據(jù)的無監(jiān)督學習框架。該研究首次提出了具有認知沖突解決能力的增量式在線學習方法，使得機器人能夠通過視-觸覺融合感知自主識別環(huán)境物理特征信息。具體而言，在地面表征方面，簡化并統(tǒng)一了不同足與地面的接觸力學模型，提供了表征地面觸覺特征的物理參數(shù)；機器人快速采集周圍圖像，采用SLIC簡單線性迭代聚類方法建立數(shù)據(jù)集，并通過對比學習無監(jiān)督地建立視覺特征提取器。在環(huán)境認知方面，采用E-SOINN增強自組織增量神經網絡對視覺和觸覺特征進行無監(jiān)督聚類，將數(shù)據(jù)特征總結為知識形式，并構建認知映射層，將不同模態(tài)知識進行匹配映射。為了解決認知沖突，采用單個尖峰神經網絡連接不同模態(tài)知識，更改LIF帶泄漏整合發(fā)放模型對連接強度進行調節(jié)，機器人可以通過離散接觸經驗調整視覺和觸覺的映射強度，實現(xiàn)動態(tài)更新和知識遺忘。

足式機器人環(huán)境物理特征學習框架

研究團隊開展了豐富的室內外感知和導航試驗，證明該方法可以有效助力機器人實現(xiàn)地面物理特征感知與預測，并在動態(tài)環(huán)境中學習和調整其認知模型，最終安全執(zhí)行復雜的導航避障任務。相關成果可用于足式等復雜環(huán)境移動機器人的自主星球探測、野外救援等任務，并提供了一種物理智能系統(tǒng)的典型案例。

六足機器人室內實驗

六足機器人野外實驗

該項研究獲得了國家重點研發(fā)計劃(2019YFB1309500)、國家自然科學基金(91948202，51822502)等資助。哈工大為第一署名單位，丁亮教授為論文通訊作者，博士研究生徐鵬、丁亮教授為論文共同第一作者。哈工大鄧宗全院士，高海波教授，機電學院楊懷廣副教授，英國利茲大學黃艷龍教授，機電學院碩士研究生李政洋、王志愷（已畢業(yè)），博士研究生周如意、蘇楊等參與相關研究。

審核編輯 ：李倩