機電學院高海波教授團隊在野外足式機器人環境認知學習與自主導航方面取得重要進展

哈工大全媒體（徐鵬 文/圖）近日，機電學院高海波教授團隊在野外足式機器人環境認知學習與自主導航方面取得重要進展，相關研究成果以《足式機器人的環境物理特征類動物學習》（Learning physical characteristics like animals for legged robots）為題，并以封面論文形式發表在《國家科學評論》（National Science Review，NSR）上。相關成果可用于足式等複雜環境移動機器人的自主星球探測、野外救援等任務，并為物理智能系統提供典型案例。

動物可通過對物理特征的理解去适應不斷變化的地形環境，為足式機器人的環境認知學習提供仿生學啟示。從圖2中可以發現，小貓在危險區域行走時會用腳輕輕試觸地形，評估地面的承壓和附着能力。在後續行走過程中，小貓根據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域。然而，機器人實現類似的認知行為卻面臨諸多挑戰。如何通過視覺和觸覺信息實現對地形物理特征的有效表征？如何總結歸納機器人與環境的交互經驗？如何解決由于地面環境動态變化造成的認知沖突？

針對上述問題，研究團隊提出足式機器人的環境物理特征類動物學習方法。研究人員以法向或切向足地作用力學模型為基礎，設計了基于模型——數據的無監督學習框架。該研究首次提出具有認知沖突解決能力的增量式在線學習方法，使機器人能夠通過視覺與觸覺融合感知自主識别環境物理特征信息。具體而言，在地面表征方面，團隊采用足地接觸模型表征地形的觸覺參數，讓機器人“摸一摸”地面就知道柔軟度和摩擦程度；另外，在機器視覺（“看一看”）方面，團隊提出無監督視覺特征提取方法，無需人類參與，隻需機器人自動對比視野中不同地形紋理，即可自主完成。為讓機器人通過“看一看”就能預測地形“摸”起來的感受，團隊将機器人實時采集的觸覺、視覺特征聚類為知識群集，并通過映射網絡将視覺特征和觸覺特征聯系起來。由于環境的變化，從前認識的地形可能和當前的觸覺感受不一緻，比如：剛下過雨的草地比幹燥時更軟，雖然它們看起來是一樣的。為解決這樣的認知沖突，團隊采用模拟生物腦神經的帶洩漏整合發放模型（LIF）對不同模态進行信息連接，動态調整連接強度，使得機器人更加聰明、智能。

最後，團隊開展了豐富的室内外感知和導航試驗，證明該方法可有效助力機器人實現地面物理特征感知與預測，并在動态環境中學習和調整其認知模型，最終安全執行複雜的導航避障任務。

哈工大為第一署名單位。機電學院丁亮教授為論文通訊作者。機電學院博士研究生徐鵬、丁亮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，英國利茲大學黃豔龍教授，機電學院碩士研究生李政洋、王志恺（已畢業），博士研究生周如意、蘇楊等參與相關研究。

該研究獲得國家重點研發計劃、國家自然科學基金等項目資助。

論文鍊接：https://doi.org/10.1093/nsr/nwad045

圖1 《國家科學評論》及認知學習方法示意圖

圖2 動物與環境交互學習環境物理特征

圖3 足式機器人環境物理特征學習框架