陈光荣 王军政 郭盛 侯博文

1.北京交通大学机器人研究中心北京100044 2.北京理工大学复杂系统智能控制与决策国家重点实验室北京100081 3.北京市轨道交通线路安全与防灾工程技术研究中心北京100044

艾萨克·阿西莫夫在《我,机器人》[1]中订立了“机器人三定律”,要求机器人具有决策、学习和优化能力.显然,人工智能对机器人尤为重要.机器学习作为人工智能的核心问题之一,被广泛地应用到生活中的各行各业[2−3].如,在RoboCup 比赛中,为了提高AIBO 机器人的运动速度和稳定性,一些研究学者利用策略梯度法和遗传算法等机器学习方法来优化机器人的步长、步频等步态参数[4−6].众多研究学者基于Little Dog 提出了不同的机器学习算法进行机器人行走控制,实现了在复杂地形下的行走跳跃[7−8].为实现Little Dog 攀爬台阶任务,Kolter J等利用微分符号策略梯度法来优化机体后移的位移,以便完成攀爬动作[9].Kolter J、Kalakrishnan M 以及Zucker M 等都将分层强化学习作为机器人运动规划算法的主要框架[10−12].Belter D 在六足机器人Messor 的运动规划中对机器学习算法进行了大幅度优化,实现了在线地形图生成和路径规划[13−14].谷歌DeepMind 团队曾开发出一款人工智能围棋程序AlphaGo[15−16],打败了围棋世界冠军.近年来,该团队又用AI 教双足和四足模型如何走路、模仿、跳跃、格斗,适应各种地形环境等[17−19],逐渐开辟了一个足式机器人步态规划与控制的新方向.

足式机器人运动控制研究[20−23]日趋成熟,人工智能机器学习在足式机器人方面的应用还需要更深入的探……