前几天
ANYmal
四足机器人户外跑酷视频的余温还未散去，今天瑞士苏黎世联邦理工学院又公布了一项重磅研究成果，
经过深度学习后的ANYmal四足机器人学会了用肢体来执行任务的能力。实验中，ANYmal通过倾斜身体，利用右前腿顺利打开实验室的冰箱门。
▍
不用机械臂 如何与周围环境互动?
机器人的下半场是大模型赋予机器人的智能化水平。
回顾过去的几年，四足机器人的硬件水平和算法能力进行了数次迭代与升级，从最初僵直机械化运动变成现在具备跑酷、能跳跃甚至拥有前后空翻的能力。此外在应用落地方面，四足机器人已能在地面执行简单任务，如复杂地形勘测，电力巡检，搬运物品等。
ANYmal模型训练与部署流程
对于四足机器人来讲，如何与周围环境互动是一直被讨论的问题，
传统设计方式会采用专用机械臂或夹具来进行物理互动
，如开门等操作。由于必须携带额外的末端执行单元，因此四足机器人会显得更加笨重，也进一步增加了制造成本。因此
科研人员需要采用一种全新的算法，
在不增加物理硬件的前提下，让四足机器人拥有更多执行任务的能力。
▍
深度学习算法让四足机器人变聪明
为解决这一问题，
苏黎世联邦理工学院（ETH Zurich）的一个研究小组最近推出了一种基于强化学习的新
模型
，可以让四足机器人以创新的方式与周围环境互动，而不需要额外的手臂或机械手。他们的研究论文发表在预印本服务器arXiv 上，采用这种模型的四足机器人可以完成更高级的任务，如打开冰箱和移动物体。
论文作者Philip Arm表示，该研究团队计划使用四足机器人腿部进行操控的想法已经有一段时间，例如目前参与训练的ANYmal四足机器人已经具备踢足球的能力，但训练往往是单一性的任务，如果遇到更加复杂的任务则无法胜任。
ANYmal利用右前腿打开冰箱门
Philip Arm研究团队的目标是开发一种泛化性的应用，让四足机器人能够解决现实世界当中更广泛的问题，他们开发的模型采用强化学习技术进行训练，在实际实验过程当中，ANYmal甚至学会了使用前腿开冰箱门的技能。这与人类的操作行为颇为相似。
使用强化学习算法，ANYmal在执行任务的时候，能够将脚伸到所需的位置上，并在模拟环境中反复练习与学习。直至熟练掌握该技能。Philip Arm解释道，在模拟测试当中，我们调整了部分参数设置，比如脚应该放在哪里，以及机器人在试图到达目标时受到干扰的程度。通过这种方法，机器人变得非常稳健，能够应对它在现实世界中可能面临的不确定性。
ANYmal通过模型训练熟练掌握前腿技能
经过初步实验验证，研究人员发现采用该模型的ANYmal四足机器人能够拥有更加出色的性能表现，同时完成此前难以完成的操作任务，实验人员为此设计了开冰箱门、搬运物品、按压按钮、推开障碍物以及从地面捡起石头等。
ANYmal表现出了与其他四足机器人不同的行为方式，利用四肢作为执行任务的工具之一
，而并非背部搭载的机械臂模块。比如采用此模型ANYmal学会了必要时使用整个身体来执行任务。演示视频当中，ANYmal展示了通过身体前倾用其中一只脚来按下特定按钮。
Philip Arm表示，我们发现，这个模型甚至可以教机器人跳跃，这样它就可以到达几米远的目标。"实际上，我们对用机器人的脚就能解决包括打开冰箱门在内的许多任务感到惊讶。现在，
机器人仍然是远程操作的，但如果我们能将其中许多任务自动化，就能扩大腿部机器人的应用范围，而无需改变其硬件。
此外，为了进一步验证模型的通用能力，Philip Arm团队也在加快在更多场景下进行任务训练，一旦该模型得到完善并在全自动机器人应用场景中得到验证，它将极大地拓宽足式机器人（包括人形机器人）在现实世界中的应用，例如，用于检查仓库或基础设施的机器人可以独立按下按钮、移动杠杆和开门。下一阶段的目标，研究人员将通过改进模型提升ANYmal的自主行动和决策能力，并尝试给到执行后自动执行任务，进而进一步验证该模型的通用能力。
论文下载地址：
https://arxiv.org/abs/2402.10837
