▲ANYmal于其他机器人行动对比三、教师+学生模型训练 ， 训练迭代1000个环境研究小组还采用了教师-学生模式来对机器人进行训练 。 在训练过程中 ， 赫特将信息策略的控制频率设置为50 Hz ， 每个环境收集250个时间段的轨迹数据 ， 形成一次训练迭代 。 随后他们将模拟环境并行化 ， 以同时执行1000个环境的训练 。
对于教师模型 ， 研究人员采用深度增强学习PPO算法 ， 这个算法模型可以有效衡量机器人的步长 。 在将观察结果汇总观察之前 ， 他们会使用运行平均值和标准偏差对其进行标准化 ， 不同的实验会在每一次训练中以指数形式更新 。
对于学生模型 ， 赫特说：“我们在300个环境中进行了推广 ， 并为一次训练迭代收集了400个时间段的轨迹 。 ”并且在训练学生模型时 ， 实验过程没有高度样本噪音干扰 。
“通过这种训练 ， 机器人能够在以前从未见过的情况下掌握最困难的自然地形 。 ”赫特说 ， “即使直接环境中的传感器数据模棱两可或含糊不清 ， 这也有效 。 ”
▲ANYmal与其他四足机器人避障对比根据赫特的说法 ， ANYmal会依靠其本体感觉安全行事 ， 这样的话机器人行动就做到了两全其美 ， 能够结合外部感知的速度和效率以及本体感知的安全性 。
结语：机器人或能帮助人类探索未知领域在实际应用场景中 ， ANYmal在自主探索狭窄隧道、洞穴和城市基础设施的地下系统的同时 ， 还能自动快速地克服许多障碍物和困难地形 。
机器人的快速避障和感知能力进一步提升 ， 在未来 ， 各种极端条件下 ， 比如地震之后、核灾难之后或是森林火灾期间 ， 对人类来说太危险以及其他机器人无法应对困难地形的地方 ， 像ANYmal这样的机器人都可以派上大用场 。
近年来 ， 机器人研究的应用在不断扩展 ， 机器人行动结合本体感受和外部感受等技术 ， 都在解决很多机器人运动的难题 ， 该领域未来在人类未知领域的探索应用场景可能会进一步扩大 。
来源：Robohub、Science
推荐阅读
- ?构建既精确又低功耗的控制系统，研究半导体自旋量子位
- 2022年“5大最佳旗舰”手机推荐：颜值性能兼具，实力实至名归
- Magic Leap 2规格曝光：配备眼球追踪等18个传感器、支持动态亮度调节
- 夫妻俩吵架，丈夫徒步4公里去娘家告状，丈母娘反应逗笑众人
- 各显神通！细数各大厂商后置镜头的独门秘技
- 男子银行取钱伸出五个手指，柜员一看立马报警
- 扎克伯格宣布研发电子触觉皮肤ReSkin，为元宇宙提供逼真物理交互
- 关于贵州中晟环球网络骗局信息广告的说明
- 美国橄榄球明星将随“蓝色起源”火箭进入太空