24岁浙大毕业生研发两足机器人，已学会蹲伏走路和载重走路，应用于“最后一公里快递”和灾后搜救 | 专访

原创多加 DeepTech深科技

当机器人遇见强化学习，会碰出怎样的火花？

一名叫 Cassie 的机器人，给出了生动演绎。

图 | Cassie（来源：受访者）

最近，24 岁的中国南昌小伙李钟毓和其所在团队，用强化学习教 Cassie 走路，目前它已学会蹲伏走路和载重走路等。

（来源：受访者）

相关论文以《双足机器人鲁棒参数化运动控制的强化学习》（Reinforcement Learning for Robust Parameterized Locomotion Control of Bipedal Robots）为题，已被机器人国际学术顶会 ICRA 收录。

图 | 相关实验（来源：受访者）

通过强化学习，它能自己走路，并能进行自我恢复。在现实世界中，通过反复试验来训练大型机器人会很危险，为解决这些问题，李钟毓所在小组使用了两个不同的仿真环境。

图 | 室内试验（来源：受访者）

研究中，一个虚拟版本的 Cassie，通过与环境交互产生的大量数据，来学习稳定的步态。

习得的步态控制器，被转移到名为 SimMechanics 的第二个仿真环境中进行验证，该环境有更高的准确性，可用以模拟现实世界的物理过程，但是会减慢仿真运行速度。

而通过使用在仿真环境中学习的步态控制器，Cassie 能非常平稳地行走，且无需进行任何额外微调。它不仅能像人类一样前后左右地走，还能蹲着走，也能承受意料之外的负载，更能从强行推动造成的失稳状态中恢复过来。

比如，在测试期间，Cassie 损坏了它右腿的两个电机，但它仍能调整其步行策略、并进行适应。

机器人如何更鲁棒？答案是强化学习

Cassie 是李钟毓所在的 Hybrid Robotics Group 实验室、从美国 Agility Robotics 公司买来的，它大概有一米多高，内部拥有十个电机，以及二十个自由度。

图 | 实验中的 Cassie（来源：受访者）

据他介绍，Cassie 于 2017 年首次开始出售，他从 2019 年开始接触，目前已经研究两年有余。

买来后，其主要用于测试和验证不同算法，如控制算法和导航控制算法等。在李钟毓这里，Cassie 更像是一个研究平台。

事实上，足式机器人的核心正是控制算法。研究中，李钟毓主要使用 Python 进行编程，主体代码由其所在小组搭建，剩余一部分基于其他学者的开源代码。

由于是二足机器人，算法控制上会更难。而该研究的创新点在于，用强化学习的方法，得到控制二足机器人步态的算法，相比传统基于模型的算法，性能可得到显著提升。

图 | 鲁棒性测试（来源：受访者）

由此带来的鲁棒性也比较强，怎么推它都不会倒，即便在几乎快要摔倒的情况下，也能快速恢复稳定状态，这也是业内首次展示出二足机器人如此稳定的性能。

在强化学习之前，传统基于模型的方法，需要很多时间和技巧给机器人做建模，尤其对于二足机器人而言，一旦其自身性质和周围环境发生改变，比如电机坏了、地面摩擦力有变化，模型很有可能就会失效。

其次，对于双足式的机器人系统，其非线性非常高，并且由于是高自由度的混合系统，每一次踏步都会受到地面冲击力，因此很难获得精确模型。

图 | 室外实验（来源：受访者）

‍

而要想做一个实时控制算法，就要使用相对完整的动力学模型。但是，即便具备好的模型，部署在非常高自由度的非线性系统上，也很难做到较快的实时计算。

因此，使用传统方法时，很多学者都会做出权衡取舍，比如往往用简化模型来做控制算法。

这样做出的算法有两个缺点：一是无法完整利用动力学模型，无法充分发挥机器人系统的灵敏性；二是基于模型的算法，一旦超过其稳定区域，算法就会轻易崩溃。

而强化学习的优点在于，通过相对完整的机器人动力系统，Cassie 在仿真环境反复尝试后，就能获得大量和环境交互的数据，从而学会用稳定步态行走。

图 | 本次研究的核心：基于强化学习的步态控制器（来源：受访者）

如上图所示，这是本次研究提出的基于学习的步行控制器，控制器的输入包括所期望的步态参数、期望的转弯偏航速度、由期望的步态参数解码的参考步态、一段时间内的观察到的机器人状态以及控制器的输出。

另据悉，控制器可输出十个电机的期望位置，通过低通滤波器（LPF）后，可被发送到各个关节处的 PD 控制器产生期望的电机力矩。

两大创新，让 Cassie 可模仿各种步态

李钟毓告诉 DeepTech，该研究主要有两大创新点。

第一个创新点，在于采用了步态库，里面有各种各样不同的步行速度和步行高度的步态，比如有 1 米每秒的前进速度、0.3 米每秒的侧向行走速度、和 0.7 米的步行高度下的步态。这样就能在步态库中各取所需，从而让机器人模仿不同的参考步态，同时还能追踪参考步态的速度和步行高度。

通过步态库，在训练中使用神经网络所代表的控制器，就能控制不同的步行速度和步行高度，比如往前或者往后。此外，不同步态之间还可实现来回切换。

此外，步态库还能提供更多参考动作，Cassie 在仿真学习时，就能见到各种步态，同时还能学会在各种动作下保持平衡。

如下图所示，Cassie 滑了一跤，几乎差点摔倒，但在用安全绳把自己拉起来后，它能迅速恢复稳定步态，这个能力是前所未有的，而且李钟毓也并未就该能力，专门训练过它。

图 | Cassie 的步态（来源：受访者）

也就是说，这是 Cassie 通过在训练中模仿各种步态，并让自己从不同步态的过渡中“自摸学会”的能力，这在大部分基于模型控制算法的机器人身上很难实现。

试想一下，如果机器人自己倒在地上，没有人扶它，无论对它自己还是对周围人都非常危险。

第二个创新点在于，结合了机器人的历史输入和输出，从而实现对 Cassie 和其所在环境的在线系统辨识。

这样，控制器就能让 Cassie 适应不同的环境，比如不同地面的摩擦力。

（来源：受访者）

测试中，Cassie 的两个电机坏了，但它仍能快速适应系统变化。再比如，把不同重物放在 Cassie 身上，即便拉着后面的安全架，它也能迅速适应这种变化。

据悉，该研究由李钟毓所在的、由 Prof. Koushil Sreenath 带领的课题组，和伯克利大学 Prof. Sergey Levine、以及 Prof. Pieter Abbeel 两个课题组合作。

李钟毓所在的小组，专注于机器人和控制算法领域，其他两个小组则是强化学习方面的专家。此外，该工作的成功也离不开团队成员程旭欣、Xue Bin Peng、Glen Berseth 的共同努力。

可应用于灾后搜救和快递 “最后一公里”

相比其他机器人，Cassie 有更大的运动空间，因为人类社会的环境，主要围绕人类需求而建造。而二足控制算法，能让 Cassie 在人类环境中更好地运动比如爬楼梯，这也是轮式机器人无法实现的。

具体应用中，当发生地震时，Cassie 能在塌房中做救援工作；或者在 “最后一公里” 的快递中，在此之前先用快递车运送到固定地方，但因为收件人一般在室内，这时 Cassie 就能替代快递小哥，把快递当面送给用户。

（来源：受访者）

此外，Cassie 这类二足机器人，形态上和人类相似，人类也更倾向于和它们做更好的交互，比如可以给其设计富有感情的动作，冷冰冰的机器也能变得更有温度。

李钟毓之前的论文《动画Cassie：一个可读的动力学机器人角色》（Animated Cassie：A Dynamic Relatable Robotic Character）, 首次用动画软件给 Cassie 设计了富有表情的动作，并使用基于模型的轨迹优化的算法，设计出来的动作能让 Cassie 在现实世界中复现出来，上述论文也入选了 IROS 2020 最佳娱乐应用论文。