ETH教会ANYmal机器人跑酷采用机器学习+模型控制

经过一段时间的适应与训练，ANYmal四足机器人在瑞士山间小径的碎石路面行走已经游刃有余。但最近，苏黎世联邦理工学院的研究团队又为这款四足机器人赋予了新的能力，ANYmal学会了在城市环境下跑酷技能，能够在城市环境下利用运动技巧顺利通过各种障碍，此外，ANYmal在非结构化环境下的通过能力也获得提升，最新视频当中，ANYmal展现出了在建筑工地或灾区等复杂地形中的出色应对能力。

目前研究成果发表在《Science Robotics》期刊上，该成果由ETH机械与工艺工程系的Marco Hutter教授领导的两个小组负责实际测试。

▍ANYmal通过手肘调整姿态实现跑酷技能

ETH的博士研究生Nikita Rudin是其中一个团队的成员，也是一名非专业的跑酷爱好者，他曾表示，"在项目开始之前，我的几位研究员同事都认为，有腿机器人的发展潜力已经达到了极限。事实上，我确信在腿部机器人的力学方面还有更多可以开发的技能"。

因为自己有跑酷的经验，所以Nikita Rudin决定进一步探索ANYmal的极限潜能，他通过机器学习的方式将跑酷技能成果植入到ANYmal四足机器人身上，并获得了成功。目前视频当中看到的跑酷画面，就是Nikita Rudin教会它的。现在，ANYmal 可以攀爬障碍物，并完成动态动作，从障碍物上跳下来。

经过机器学习后的ANYmal显然变得更聪明了，在整个学习的过程当中，ANYmal会通过不断尝试和犯错进而来修正自己的运动决策。在经过十几个小时的学习之后，ANYmal遇到障碍物后，会利用摄像头和人工神经网络来判断它所面对的是哪种障碍物，然后依据过往训练经验，选择并执行最有可能成功的动作。

但Nikita Rudin也补充到，虽然进行强化学习训练，但对于ANYmal说，这仍有很大的提升空间。这些改进包括它不在拘泥于解决预定义问题，而是能够要求它在非结构化的复杂地形上进行自主决策运动，比如遍布各种碎石和杂物的灾难现场。

▍机器学习+模型控制让ANYmal具备复杂环境的通行能力

为了让ANYmal适应在非结构化复杂环境下的通过能力，Nikita Rudin的同事兼ETH博士研究生Fabian Jenelten负责启动了另一项研究计划，不过Jenelten并没有单纯依赖机器学习，而是结合了控制工程中的一种经典方法——基于模型的控制，用来提升ANYmal的通过和稳定能力。