研究人員創建了 DribbleBot，這是一種使用機載傳感和計算在各種自然地形（包括沙子、礫石、泥漿和雪）上進行野外運球的系統。除了這些足球壯舉之外，此類機器人有一天可能會幫助人類執行搜索和救援任務。

據報道，美國麻省理工學院的令人驚嘆的人工智能實驗室（計算機科學與人工智能實驗室（CSAIL）的一部分）的研究人員開發了一種四足機器人系統，可以在各種自然地形上操控足球，包括沙子、礫石、泥土和雪。

這款名為"DribbleBot"的機器人結合了機載傳感和計算技術，可以穿越不同的自然地形，并適應它們對足球運動的不同影響。就像一位忠誠的運動員一樣，DribbleBot能夠在摔倒后重新站起來并繼續控球。

在過去的一段時間里，編程機器人踢足球一直是一個活躍的研究領域。然而，該團隊希望通過自動學習如何在運球過程中操縱四肢，發現編寫這種技能非常困難，以應對不同地形（如雪地、礫石、沙地、草地和人行道）的挑戰。他們使用了輸入模擬方法，將機器人、足球和地形都模擬在數字世界中。您可以加載機器人和其他資源，并設置物理參數，然后進行動力學的前向模擬。通過實時并行模擬4000個機器人版本，數據收集速度比單個機器人快4000倍，這是大量的數據。

機器人在開始時并不知道如何運球，它通過獎勵來學習，即在成功運球時獲得獎勵，在失敗時獲得負面強化。因此，它本質上是試圖弄清楚應該以何種順序施加腿部力量。“這種強化學習方法的一個方面是，我們必須設計一個良好的獎勵機制，以促進機器人學習成功的運球行為，”麻省理工學院博士生Gabe Margolis說道，他與Improbable項目的研究助理Yandong Ji共同領導了這項工作。這個人工智能實驗室。“一旦我們設計好了獎勵機制，機器人就開始練習了：在實時環境下需要幾天的時間，在模擬器中則需要數百天的時間。隨著時間的推移，它將越來越善于控制足球以達到所需的速度。”

該機器人系統內置了恢復控制器，使機器人能夠在陌生的地形中導航并從跌倒中恢復。這個控制器可以讓機器人在摔倒后重新站起來，并切換回控球模式以繼續追球，幫助它應對外部干擾和地形變化。

麻省理工學院教授、CSAIL首席研究員兼Improbable AI實驗室主任Pulkit Agrawal表示：“研究四足機器人的目標是探索目前無法到達的地形。”“我們開發四足機器人算法的目的是在具有挑戰性和復雜地形的環境中提供自主性。”

與獨自行走相比，帶球運動對DribbleBot的運動及其能夠穿越的地形施加了更多限制。機器人必須調整其運動以向足球施加力量來控球。球與地形的互動可能與機器人與地形的互動不同，例如草地和人行道上的摩擦力不同。例如，足球在草地上受到比人行道上更大的阻力，傾斜會產生加速力，改變球的典型路徑。然而，機器人穿越不同地形的能力通常不受這些動力學差異的影響，只要它不滑倒。因此，足球測試可能對地形的變化更加敏感，而獨立運動則不會受到太大影響。

“以前的方法簡化了運球問題，假設地面是平坦而堅硬的。運動也被設計得更靜態，機器人不會嘗試同時奔跑和控球。”Ji表示：“這是控制問題中更具挑戰性的動力學問題。我們通過將最新的進展擴展到這種結合運動和靈巧操作的復合任務中，解決了這個問題，這些進展使得更好的戶外運動成為可能。”