中国版波士顿动力！ Science分期封面：机器狗“绝影”在陌生环境中爬行打滚

说到机器狗，我们很可能会想到全球机器人开发领域领先公司波士顿动力公司的“网红”Spot。

但放眼全球，波士顿动力并不是唯一一家设计机器狗的公司。

2020年10月，这家瑞士公司设计的机器狗登上了子杂志封面和机器人头条号。

11月20日，国内首只能够完成行走梅花桩复杂挑战的机器狗在腾讯X实验室亮相。

自2018年起，云深科技设计的“绝影”逐渐进入人们的视野，并开始寻找合适的商业场景。

从2018年3月朋友圈爆火，到2018年12月迭代获得跑步、爬上下楼梯的能力，再到2019年11月实现跑步、跳跃步态，机器狗“绝影”的相关技术一直在不断更新。改善。生长。

近日，“绝影”登上了最新一期杂志的封面。

机器狗学习“专业技能”

2020年12月9日，一篇与“绝影”相关的论文在2020年正式发表，题为Multi-of（Multi- for Leg ）。

据研究小组称：

理解和创建自适应运动一直是机器人学领域的一个长期研究课题。

当然，机器人要实现多种运动，就需要能够适应以前未见过的情况的运动技能。

论文称，在不可预测的环境下，机器人很可能会出现动作故障——通常情况下，机器人会在失去平衡的一秒内跌倒，而防止其跌倒的时间范围约为0.2-0.5秒。在该区间内，应协调不同的运动模式，以减轻其干扰，防止故障或从故障中恢复。

下图A展示了“绝影”在测试过程中遇到的三种挑战性场景，要么是机身意外触地，要么是汽车直接翻车。

最初，设计机器人运动有两个想法：

但由于运动皮层的底层机制无法完全复制，研究团队选择了后者——受生物运动控制的启发，开发能够实现机器人运动技能适应的学习算法。

具体来说，研究团队提出了一种基于深度强化学习的“多专家学习架构”（multi-，MELA），可以学习从一组有代表性的专家技能中生成自适应技能。

首先，MELA 由一组 (8) 训练有素的专家技能在各自的深度神经网络 (DNN) 中初始化。

然后，通过门控神经网络 (GNN) 学习 DNN 组合，MELA 获得了更多专业技能以及跨各种运动模式的转换技能。

在运行过程中，MELA不断混合多个DNN并动态合成新的DNN以产生适应环境变化的行为。

研究小组提到：

MELA实际上是由DNN和GNN组成的分层强化学习结构。

据研究小组称：

这种方法利用训练有素的专家技能和自适应策略的快速在线综合，以在不断变化的任务中生成响应性运动技能。

同时，研究团队主要对机器人进行两层控制：

通过这样的框架，研究团队成功在机器狗上演示了多种运动技能，例如自主连贯小跑、在平坦道路、楼梯、跷跷板、碎石堆等道路上摔倒后转身和站起来。同时，《绝影》还展示了MELA生成行为的优势，可以适应一些看不见的、完全陌生的场景。

至此，“绝影”应对地震等自然灾害将更加敏捷。

绝对的阴影，在云层深处

该论文作者来自英国爱丁堡大学信息学院、浙江大学智能系统与控制研究所，其中“绝影”项目负责人、控制科学学院讲师、硕士生导师朱秋国浙江大学工学院。

据浙江大学官网朱秋国教授介绍：

早在2011年，朱秋国教授就加入浙江大学智能系统与控制研究所，重点研究仿生机器人和机器智能，并成为“绝影”等项目的负责人。

事实上，朱秋国教授还有另一个头衔——云深科技创始人（）。

2017年11月，这家专注于移动机器人领域的公司成立。雷锋网注意到，云神科技官网展示了四款不同功能的机器人（聚影Mini Lite、聚影Mini、聚影和聚影Pro）。应用场景涵盖教育科研、安检、物流交通等。

长期以来，外界将云深科技称为“中国版波士顿动力”。 2018年，朱秋国教授曾说过：

虽然爵影和波士顿动力的产品在步态功能、行走速度、适应复杂环境的能力等方面还存在一定差距，但至少这是一个开始，表明它有自己的研究平台，有自己的研究平台。控制模型和算法。只要不断优化迭代，差距就会不断缩小，未来中国一定会出现波士顿动力这样的黑马。

如今该公司的四足机器人技术已获得国际权威学术期刊的认可，未来会取得哪些突破，我们拭目以待。