借助機(jī)器人的本體感覺對足式運(yùn)動(dòng)進(jìn)行研究已有數(shù)十年。在以往的研究手段中，研究人員往往采用基于模型的方法開發(fā)神經(jīng)網(wǎng)絡(luò)控制器。但是，這類方法無法在那些現(xiàn)實(shí)世界里沒有見過的環(huán)境中得到應(yīng)用。

近年來，為了獲得更好的泛化性和魯棒性，研究者們開始采用無模型強(qiáng)化學(xué)習(xí)，在模擬中訓(xùn)練控制器，然后將學(xué)習(xí)到的策略直接轉(zhuǎn)移到真實(shí)的機(jī)器人上。

那么，如何在無需遙控器操控的條件下，讓四足機(jī)器人實(shí)現(xiàn)在復(fù)雜地形上自由流暢地行走呢？

近期，來自美國加州大學(xué)圣地亞哥分校和麻省理工學(xué)院的研究團(tuán)隊(duì)，開發(fā)了一個(gè)可以提高機(jī)器人 3D 感知能力的模型，能夠支配四足機(jī)器人在各種困難地形場景下完成自動(dòng)化行走，比如爬樓梯、踩石頭、在樹林中走路等。

四足機(jī)器人在樹林中走路（來源：Github）

該四足機(jī)器人的額頭上裝有前置的深度攝像頭，該攝像頭向下傾斜的角度，可以幫助該機(jī)器人前面的兩足，根據(jù)所看到的前方場景和腳下地形做出正確的行動(dòng)決策。但其后面的兩足必須先記住前面看過的內(nèi)容，才能確保在經(jīng)過時(shí)踩在正確的位置上。

所以，這中間存在一個(gè)重要的問題，即需要一個(gè)短期的 3D 環(huán)境記憶體，能夠使得機(jī)器人的四足都對三維環(huán)境有良好的感知和模擬。

為此，該團(tuán)隊(duì)構(gòu)建了一種神經(jīng)體積記憶（Neural Volumetric Memory，NVM）架構(gòu)，可以先借助自監(jiān)督方法對視頻幀中的三維特征進(jìn)行學(xué)習(xí)，再用幾何變換把這些三維特征投影到同一個(gè)空間下面，最后通過模型將所有的特征信息融合在一起，讓機(jī)器人對它所處的 3D 環(huán)境建立起短期記憶。

其中，需要說明的是，將上述帶有特征的全部視覺信息綜合在一起，可以幫助四足機(jī)器人記住其看到的內(nèi)容，以及足部之前做過的動(dòng)作，并利用這些記憶指導(dǎo)它下一步行動(dòng)。這也表明，NVM 能為機(jī)器人執(zhí)行決策提供可靠的 3D 結(jié)構(gòu)信息，并為足式機(jī)器人利用視覺進(jìn)行觀察開辟新的可能性。

2023 年 3 月，相關(guān)論文以《用于視覺運(yùn)動(dòng)控制的神經(jīng)體積記憶》（Neural Volumetric Memory for Visual Locomotion Control）為題發(fā)表在CVPR上，并被選為Highlight論文。