给狗狗蒙上眼睛，它还能走路吗?

真狗不一定，但这只机械狗可以。

蒙上眼睛后不仅能正常走路，还能适应各种复杂地形!

在杂草丛生的树根上爬上爬下:

在布满泥土和石头的山路还能如履平地:

上下台阶也毫无压力，甚至能在台阶上横着走:、

在这些任务中，机械狗是完全看不见的，所以它并不知道下一秒自己会身处什么环境，但当脚触碰到台阶的那一刻，它就能快速地做出调整并适应当下。

这么牛的绝活是怎么练成的?

▍如何练就“蒙眼行走”的绝活

这项“蒙眼行走”的绝活是韩国科学技术院 (KAIST) 电气工程学院团队的最新研究——DreamWaQ 技术，他们给狗取名为“DreamWaQer”，意思是闭着眼在梦里也能正常行走。
 

大多数步行机器人的控制依赖于运动学和动力学模型，以确保稳定行走，这需要快速获取地形环境信息。其主要的优化空间在于提升对周围环境的认知能力。

相比之下，DreamWaQ 技术是一种基于深度强化学习 (RL) 开发的控制器，大致过程如下：

1. 先学习模拟器中的各种环境数据;

2. 在实际应用中，想象哪个环境与模拟学习中的类似，在脚接触到地面的那一刻迅速绘制出之前学习的地形信息;

3. 利用这些信息快速计算出相应的控制命令，再将它们传输给机械狗的各个电机，从而快速适应步行。

它主要由上下文估计网络和策略网络组成，前者通过惯性信息和关节信息隐式地估计地面信息、显式地估计机器人状态；然后将信息馈送到策略网络，生成最佳控制命令。

而在最初的模拟器学习中，控制器的两种网络利用不同方法进行学习:上下文估计网络使用了监督学习方法；策略网络使用了演员-评论家方法（一种深度强化学习方法）。

在支持GPU的PC中，整个学习过程只需要约一小时的时间，而且这项技术不限于机械狗,它不需要根据特定的机器人进行重新编排或额外的调整过程，因此任何一个步行机器人都可以使用这项技术。

▍DreamWaQer 的实际测试

在 DreamWaQer 机械狗的实际测试中，只进行了策略网络的学习，在看不到周围环境的情况下，它仅使用机器人内部的惯性传感器 (IMU) 和关节角度的测量估计机器人当前的状态。

虽然只经过了这种“半吊子学习”，但机械狗的测试结果依然令人满意。

它不仅能在实验室中行走，研究人员还将其带到了复杂的室外环境中进行测试，结果证明它能克服多种复杂严苛的地面环境，稳定行走的速度范围可在 0.3m/s 到 1m/s 之间。

这项研究原定在5月底伦敦举行的 IEEE 机器人与自动化国际会议 (ICRA)上发表，目前可以在arxiv网站中看到它的预印版“DreamWaQ: Learning Robust Quadrupedal Locomotion With Implicit Terrain Imagination via Deep Reinforcement Learning”

在文章的结尾，作者表示DreamWaQ还有一定的局限性，机器狗必须首先用腿碰到障碍物，才能开始一系列的操作。未来他们将进行更复杂的处理——在其接触障碍物之前改进步态规划，这需要进一步将外部感觉集成到运动系统中。

一起期待它未来的表现吧！