當代機器人都裝備了運動系統，但在行動中對地形的適應卻一直是個難點。來自挪威奧斯陸大學的科學家們為此開發了新型四足的機器人，當它遇到不同的表面時可以調整自己的腿長和行走步態，這種能力可以提高它的能源效率和在不可預知的環境中的表現。
1.認識DyRET
該機器人被叫做Dyret（在挪威語里是“動物”的意思），被稱為是首個能根據不同條件自動改變形態的四足機器人。通過混合使用傳感器、攝像頭和人工智能，機器人能在遇到不同地形時識別并機械地調整腿的長度進而調整身體形狀、優化其步態以適應特定表面。
這項研究的負責人尼加德表示，這種機器人能不斷地學習其所行走的環境，然后結合它在受控環境中獲得的知識來適應環境。
據了解，研究人員首先訓練機器人在碎石、沙子和混凝土上的行走能力，然后讓它在從未涉足的草地上行走。雖然這似乎不是最麻煩的地形，但研究人員指出，任何不同形態的地面對長腿機器人來說都是全新真正的挑戰。
這種類似狗的變形機器人可以動態的拉長其四只腿，研究人員在挪威和澳大利亞進行了測試，幫助DyRET學習如何延長或縮短其四肢，以適應不同類型的地形。奧斯陸大學和挪威國防研究機構的計算機科學家尼加德說：“現階段已經可以將機器人帶到戶外，并且學習適應環境，它能夠使用人類賦予它們的智能。”
2.四足機器人的復雜“進化”
陸生動物沒有四肢可伸展，因為首先從生物學上講這是不可能的，而且也不是必須的。由于數百萬年的進化，人類的身體、獵豹或者狼都具有令人難以置信的敏捷性，在奔跑運動過程中可以不斷掃視前方的障礙物，但是關節伸縮的功能則沒有。
可以伸縮的四肢，視頻截圖來自奧斯陸大學
另一方面，機器人的進化也需要一些調整，即使像波士頓動力公司的機器狗Spot之類的超級復雜機器，也無法在復雜的地形中導航。使機器人伸縮支腿既可以提高它們在不同表面上移動時的穩定性，又可以提高能效。到處亂逛會消耗大量的電池電量，并且機器人晃動可能會傷害自己或附近的人。
“我認為擁有可調節的身體是一個特別好的主意，”南加州大學的工程師弗朗西斯科·瓦萊羅·奎瓦斯說，他參與開發過四足機器人。“技術在不斷迭代，可調節的機身使未來的機器人變得更加靈活。”
尼加德和他的同事們首先從字面上構建了實驗沙箱，讓DyRET接受平衡訓練。在實驗室中，他們用水泥，礫石和沙子填充了長長的盒子，代表了機器人在現實世界中可能發現的各種不同地形。混凝土比較平整，但沙地充滿不確定性，因為每走一步，機器人的腿都會傾斜或者下沉；礫石是一種堅硬表面的物質，但碎石會移動，使DyRET的腳步變得蹣跚。尼加德說：“通過具有不同硬度和粗糙度的三個地形示例，可以很好地表示出機器人形態或身體與環境之間的一般相互作用。”
實驗室內訓練機器人平衡度的不同地面物質
DyRET機器人有四個腿，頂部有一個手柄，供研究人員抓住。機器人的腿總共可以延伸6英寸，但可以在兩個位置延伸：在膝蓋上方的“股骨”和膝蓋下方的“脛骨”。這使機器能夠以不同的長度設置其支腿部分。例如它可以伸縮四肢，使其股骨更長而脛骨更短，反之亦然。研究人員可以調整這些配置，將DyRET放到每個地形上，可以讓它像狗或貓一樣運動，然后計算它們在每個地形中的效率。
更具體地說，研究人員將“移動成本”視為一種效率，這與生物學家觀察動物運動時所使用的度量相同。基本上，這是一個生物或機器人消耗多少能量來實施移動的行為，行走時的做工、穩定性都被編碼到電腦中，這對于DyRET這樣的昂貴機器人很重要。
研究人員測量了機器人關節電機中的能量消耗，并使用攝像頭監視其運動。該機器人還具有自己的深度感應相機，用于表征表面的粗糙度。例如，觀察到混凝土比礫石光滑得多。機器甚至可以將腳趾浸入水中，可以這么說：腳上的力傳感器向其提供有關沙子比混凝土軟得多的信息；攝像機和力傳感器一起為DyRET提供了復雜的視覺，隨時監控正在行走的過程以及運行的效率。
當機器人檢測到它正在從混凝土過渡到礫石時，可以看到它降低了高度
研究人員發現，在混凝土上行走時，變形機器人的腿較長，效率最高。在沙子中，只要脛骨短，它就可以有效地伸縮任何股骨長度。在礫石上，DyRET的整體肢體較短，表現很出色，這是有道理的：較低的重心將使機器人在小巖石上爬升時具有更好的穩定性。一般來說，較短的腿使機器人可以施加更大的力踩住較松的物料，而較長的腿則可以提高在較光滑物料上行走的速度。
所有這些訓練為機器人提供了如何針對特定表面，協調最佳肢體配置的經驗。因此，當研究人員隨后將DyRET帶到其他地形上時，機器人可以用其攝像機注視地面，并通過力傳感器來感知其腳下的物體，將這些數據與有關混凝土外觀的感覺的先前信息進行比較。然后，機器人便知道如何在道路上行走，調整步幅，實現更高效率。
DyRET甚至可以適應草皮地形，起初它的表現還很不穩定，但是很快，它就能夠了解哪些身體形狀表現更好，適應新環境
3.未來，讓機器人感知適應自己的身體
隨著機器人學習技術變得越來越復雜，在過去十年左右的時間里，機器人專家習慣在模擬中訓練四足機器人。也就是說，先要訓練在虛擬世界中控制機器人的軟件，在該虛擬世界中，模擬的機器人可以進行數千次步行嘗試，并通過反復試驗來學習。該系統會懲罰錯誤并獎勵成功的操作，直到虛擬機器人學習到最佳行為為止，這是一種稱為強化學習的技術。然后，機器人專家可以將這些知識移植到現實世界中的機器人和步行機中。
除此之外，該技術存在“模擬到現實”過渡的問題：無法在虛擬環境中完美地模擬物理世界的復雜性，因此通過模擬獲得的知識并不總是與現實世界相吻合，這意味著實際的機器人可能會對周圍的環境有模糊的了解。
相比之下，這些研究人員使用DyRET所做的只是在現實世界中訓練機器人。當然，這也帶來了新的挑戰：變形機器人的學習速度要慢得多，并有可能經常因為摔到受到損傷。奧斯陸大學計算機科學家凱爾·格萊特說：“地形差異等因素讓實際操控比說起來要難得多，毫無軌跡可循，難以通過模擬來實現。”。
客觀的說，當下DyRET的運動仍然顯得緩慢，尤其是與Spot這樣的先進四足機器人相比，比如它需要90秒才能完全伸展或收縮機器人的腿。但是研究人員希望可以同時改善DyRET的硬件和底層算法，也許有一天可以使其他變形機器人都可采用這類系統。實際上，在機器人實驗室中，更大的想法是使硬件和軟件協同工作，以使機器人更好地感知地形并適應其身體和行為，這才能讓機器人技術最終流行起來。
