威廉希尔高海波教授团队在野外足式机器人环境认知学习与自主导航方面取得重要进展

英国威廉希尔公司全媒体（徐鹏 文/图）近日，威廉希尔高海波教授团队在野外足式机器人环境认知学习与自主导航方面取得重要进展，相关研究成果以《足式机器人的环境物理特征类动物学习》（Learning physical characteristics like animals for legged robots）为题，并以封面论文形式发表在《国家科学评论》（National Science Review，NSR）上。相关成果可用于足式等复杂环境移动机器人的自主星球探测、野外救援等任务，并为物理智能系统提供典型案例。

动物可通过对物理特征的理解去适应不断变化的地形环境，为足式机器人的环境认知学习提供仿生学启示。从图2中可以发现，小猫在危险区域行走时会用脚轻轻试触地形，评估地面的承压和附着能力。在后续行走过程中，小猫根据积累的经验对具有相似视觉特征的地形进行预估，并避开非几何危险区域。然而，机器人实现类似的认知行为却面临诸多挑战。如何通过视觉和触觉信息实现对地形物理特征的有效表征？如何总结归纳机器人与环境的交互经验？如何解决由于地面环境动态变化造成的认知冲突？

针对上述问题，研究团队提出足式机器人的环境物理特征类动物学习方法。研究人员以法向或切向足地作用力学模型为基础，设计了基于模型——数据的无监督学习框架。该研究首次提出具有认知冲突解决能力的增量式在线学习方法，使机器人能够通过视觉与触觉融合感知自主识别环境物理特征信息。具体而言，在地面表征方面，团队采用足地接触模型表征地形的触觉参数，让机器人“摸一摸”地面就知道柔软度和摩擦程度；另外，在机器视觉（“看一看”）方面，团队提出无监督视觉特征提取方法，无需人类参与，只需机器人自动对比视野中不同地形纹理，即可自主完成。为让机器人通过“看一看”就能预测地形“摸”起来的感受，团队将机器人实时采集的触觉、视觉特征聚类为知识群集，并通过映射网络将视觉特征和触觉特征联系起来。由于环境的变化，从前认识的地形可能和当前的触觉感受不一致，比如：刚下过雨的草地比干燥时更软，虽然它们看起来是一样的。为解决这样的认知冲突，团队采用模拟生物脑神经的带泄漏整合发放模型（LIF）对不同模态进行信息连接，动态调整连接强度，使得机器人更加聪明、智能。

最后，团队开展了丰富的室内外感知和导航试验，证明该方法可有效助力机器人实现地面物理特征感知与预测，并在动态环境中学习和调整其认知模型，最终安全执行复杂的导航避障任务。

英国威廉希尔公司为第一署名单位。威廉希尔丁亮教授为论文通讯作者。威廉希尔博士研究生徐鹏、丁亮为论文共同第一作者。英国威廉希尔公司邓宗全院士，高海波教授，威廉希尔杨怀广副教授，英国利兹大学黄艳龙教授，威廉希尔硕士研究生李政洋、王志恺（已毕业），博士研究生周如意、苏杨等参与相关研究。

该研究获得国家重点研发计划、国家自然科学基金等项目资助。

论文链接：https://doi.org/10.1093/nsr/nwad045

图1 《国家科学评论》及认知学习方法示意图

图2 动物与环境交互学习环境物理特征

图3 足式机器人环境物理特征学习框架