原创 Synced 机器之心

机器之心报道

作者：蛋酱

多亏昇腾 AI 的助力，我们才能看到这么稳的「机器狗巡检员」。

自上世纪「机器人」概念被提出以来，人们就对各种形态的机器人产品寄予厚望。在普通人最初的想象中，机器人能和我们聊天，帮我们打扫房间、端茶递水，甚至能帮我们驾驶车辆……

直到近年来大数据技术、人工智能专用芯片、人工智能算法突飞猛进，智能机器人才真正进入增长爆发期，让我们有了「梦想照进现实」的感觉。

从爆火的四足机器狗，到初具雏形的人形机器人，众多先进的机器人产品开始走进人类社会生活的方方面面。当然，除了生活服务之外，机器人也正在积极打入广阔的产业场景：物流分拣、农业上的喷洒采摘、巡检救援，都是机器人可以贡献价值的空间。

在近日的 2022 昇腾 AI 开发者创享日 · 南京站活动中，我们见到了这样一只超级靠谱的「机器狗巡检员」。熟悉机器狗产品的朋友会发现，它就是当年央视春晚后台拉盒饭的「网红打工机器狗」。来自宇树科技 Unitree，在华为昇腾 AI 加持下，现在的它变成了「机器狗巡检员」。

当无人值守的电站发出警报，是它熟练地捏住把手，并且果断打开了门：

接下来，它一顿操作，迈过地面的台阶障碍，精准地拉下了电闸。至此，警报解除：这位「机器狗巡检员」来自昇腾 AI。你可能已经发现了一些特别之处——它有一支威风凛凛的「机械臂」。

那么，这只机器狗究竟是如何打造的呢？它的机械臂又有什么妙用呢？

走近这位「机器狗巡检员」

一般来说，要想让机器狗在真实世界中圆满地完成任务，主要挑战就在于运动控制。

众所周知，人类的运动是由中枢神经系统控制的。其中大脑的运动皮质和运动前皮质负责自主运动的计划和执行，基底神经节和小脑负责调节运动皮层神经元的反应，帮助协调、运动和平衡。

对于机器狗的运动控制来说，AI 处理器就相当于「大脑」，负责任务决策、感知识别、导航规划等功能的实现。

传统机器狗运动控制算法存在建模复杂、开发耗时长、高度依赖经验等局限性，近年来，很多研究者开始将强化学习应用到实体机器人上，增强机器狗的环境适应能力。比如这一次，华为就使用了「Teacher-student」策略进行机器狗运动控制算法训练。

使用「Teacher-student Policy」完成机器狗运动控制算法训练

具体而言，Teacher 部分通过强化学习训练一个最优的参考控制策略，它能获取完美的特权信息（如地面摩擦系数），让机器狗能在随机生成的地形上遵循期望的速度指令行走；Student 部分通过监督学习把 Teacher policy 蒸馏成一个 Student policy，它在带传感噪声的环境中训练，且只能获取真实机器人能得到的传感器信息。最终，团队将训练好的 Student policy 部署在真实机器狗上。

为了让机器狗在更多的应用场景中「发光发热」，华为还给机器狗加了一条「AI 机械臂」。有了这条机械臂之后，它 的动作技能直线飞升，不仅可以轻松开门，还能平稳地跨越地面障碍：