当代机器人都装备了运动系统，但在行动中对地形的适应却一直是个难点。来自挪威奥斯陆大学的科学家们为此开发了新型四足的机器人，当它遇到不同的表面时可以调整自己的腿长和行走步态，这种能力可以提高它的能源效率和在不可预知的环境中的表现。
1.认识DyRET
该机器人被叫做Dyret（在挪威语里是“动物”的意思），被称为是首个能根据不同条件自动改变形态的四足机器人。通过混合使用传感器、摄像头和人工智能，机器人能在遇到不同地形时识别并机械地调整腿的长度进而调整身体形状、优化其步态以适应特定表面。
这项研究的负责人尼加德表示，这种机器人能不断地学习其所行走的环境，然后结合它在受控环境中获得的知识来适应环境。
据了解，研究人员首先训练机器人在碎石、沙子和混凝土上的行走能力，然后让它在从未涉足的草地上行走。虽然这似乎不是最麻烦的地形，但研究人员指出，任何不同形态的地面对长腿机器人来说都是全新真正的挑战。
这种类似狗的变形机器人可以动态的拉长其四只腿，研究人员在挪威和澳大利亚进行了测试，帮助DyRET学习如何延长或缩短其四肢，以适应不同类型的地形。奥斯陆大学和挪威国防研究机构的计算机科学家尼加德说：“现阶段已经可以将机器人带到户外，并且学习适应环境，它能够使用人类赋予它们的智能。”
2.四足机器人的复杂“进化”
陆生动物没有四肢可伸展，因为首先从生物学上讲这是不可能的，而且也不是必须的。由于数百万年的进化，人类的身体、猎豹或者狼都具有令人难以置信的敏捷性，在奔跑运动过程中可以不断扫视前方的障碍物，但是关节伸缩的功能则没有。
可以伸缩的四肢，视频截图来自奥斯陆大学
另一方面，机器人的进化也需要一些调整，即使像波士顿动力公司的机器狗Spot之类的超级复杂机器，也无法在复杂的地形中导航。使机器人伸缩支腿既可以提高它们在不同表面上移动时的稳定性，又可以提高能效。到处乱逛会消耗大量的电池电量，并且机器人晃动可能会伤害自己或附近的人。
“我认为拥有可调节的身体是一个特别好的主意，”南加州大学的工程师弗朗西斯科·瓦莱罗·奎瓦斯说，他参与开发过四足机器人。“技术在不断迭代，可调节的机身使未来的机器人变得更加灵活。”
尼加德和他的同事们首先从字面上构建了实验沙箱，让DyRET接受平衡训练。在实验室中，他们用水泥，砾石和沙子填充了长长的盒子，代表了机器人在现实世界中可能发现的各种不同地形。混凝土比较平整，但沙地充满不确定性，因为每走一步，机器人的腿都会倾斜或者下沉；砾石是一种坚硬表面的物质，但碎石会移动，使DyRET的脚步变得蹒跚。尼加德说：“通过具有不同硬度和粗糙度的三个地形示例，可以很好地表示出机器人形态或身体与环境之间的一般相互作用。”
实验室内训练机器人平衡度的不同地面物质
DyRET机器人有四个腿，顶部有一个手柄，供研究人员抓住。机器人的腿总共可以延伸6英寸，但可以在两个位置延伸：在膝盖上方的“股骨”和膝盖下方的“胫骨”。这使机器能够以不同的长度设置其支腿部分。例如它可以伸缩四肢，使其股骨更长而胫骨更短，反之亦然。研究人员可以调整这些配置，将DyRET放到每个地形上，可以让它像狗或猫一样运动，然后计算它们在每个地形中的效率。
更具体地说，研究人员将“移动成本”视为一种效率，这与生物学家观察动物运动时所使用的度量相同。基本上，这是一个生物或机器人消耗多少能量来实施移动的行为，行走时的做工、稳定性都被编码到电脑中，这对于DyRET这样的昂贵机器人很重要。
研究人员测量了机器人关节电机中的能量消耗，并使用摄像头监视其运动。该机器人还具有自己的深度感应相机，用于表征表面的粗糙度。例如，观察到混凝土比砾石光滑得多。机器甚至可以将脚趾浸入水中，可以这么说：脚上的力传感器向其提供有关沙子比混凝土软得多的信息；摄像机和力传感器一起为DyRET提供了复杂的视觉，随时监控正在行走的过程以及运行的效率。
当机器人检测到它正在从混凝土过渡到砾石时，可以看到它降低了高度
研究人员发现，在混凝土上行走时，变形机器人的腿较长，效率最高。在沙子中，只要胫骨短，它就可以有效地伸缩任何股骨长度。在砾石上，DyRET的整体肢体较短，表现很出色，这是有道理的：较低的重心将使机器人在小岩石上爬升时具有更好的稳定性。一般来说，较短的腿使机器人可以施加更大的力踩住较松的物料，而较长的腿则可以提高在较光滑物料上行走的速度。
所有这些训练为机器人提供了如何针对特定表面，协调最佳肢体配置的经验。因此，当研究人员随后将DyRET带到其他地形上时，机器人可以用其摄像机注视地面，并通过力传感器来感知其脚下的物体，将这些数据与有关混凝土外观的感觉的先前信息进行比较。然后，机器人便知道如何在道路上行走，调整步幅，实现更高效率。
DyRET甚至可以适应草皮地形，起初它的表现还很不稳定，但是很快，它就能够了解哪些身体形状表现更好，适应新环境
3.未来，让机器人感知适应自己的身体
随着机器人学习技术变得越来越复杂，在过去十年左右的时间里，机器人专家习惯在模拟中训练四足机器人。也就是说，先要训练在虚拟世界中控制机器人的软件，在该虚拟世界中，模拟的机器人可以进行数千次步行尝试，并通过反复试验来学习。该系统会惩罚错误并奖励成功的操作，直到虚拟机器人学习到最佳行为为止，这是一种称为强化学习的技术。然后，机器人专家可以将这些知识移植到现实世界中的机器人和步行机中。
除此之外，该技术存在“模拟到现实”过渡的问题：无法在虚拟环境中完美地模拟物理世界的复杂性，因此通过模拟获得的知识并不总是与现实世界相吻合，这意味着实际的机器人可能会对周围的环境有模糊的了解。
相比之下，这些研究人员使用DyRET所做的只是在现实世界中训练机器人。当然，这也带来了新的挑战：变形机器人的学习速度要慢得多，并有可能经常因为摔到受到损伤。奥斯陆大学计算机科学家凯尔·格莱特说：“地形差异等因素让实际操控比说起来要难得多，毫无轨迹可循，难以通过模拟来实现。”。
客观的说，当下DyRET的运动仍然显得缓慢，尤其是与Spot这样的先进四足机器人相比，比如它需要90秒才能完全伸展或收缩机器人的腿。但是研究人员希望可以同时改善DyRET的硬件和底层算法，也许有一天可以使其他变形机器人都可采用这类系统。实际上，在机器人实验室中，更大的想法是使硬件和软件协同工作，以使机器人更好地感知地形并适应其身体和行为，这才能让机器人技术最终流行起来。
