類人機器人如何在崎嶇地形中實現自主遠足探索

密歇根大學的研究人員表示，訓練類人機器人進行遠足可能會加速具身人工智能的發展，以便執行自主搜索與救援、在未探索地區進行生態監測等任務，他們開發了一種使類人機器人能夠進行遠足的人工智能模型。

通過他們的新AI框架 LEGO-H，研究人員訓練了配備攝像頭的Unitree Robotics類人機器人，使其能夠提前規劃、避開障礙、保持姿勢并根據不平坦的地面調整速度和步伐。

“我們的模型是第一個能夠讓類人機器人完全自主地看、決策和移動的——不僅僅是行走，而是根據小徑的要求進行跳躍、跨步或行走。到目前為止，類人機器人大多是‘盲目的’，依賴人類操作員做出每一個動作決策，”計算機科學與工程教授Stella Yu，她是2025年6月在納什維爾舉行的IEEE計算機視覺與模式識別會議上發表研究的資深作者說道。

這項工作已在 arXiv 預印本服務器上發布。

傳統上，機器人通過使用預先構建的地圖和持續的人類指導來學習導航，高層次的規劃（“去哪里”）和低層次的執行（“如何移動”）被視為兩個獨立的問題。

計算機科學與工程的研究員、這項研究的首席作者Kwan-Yee Lin說：“在一個統一的策略學習框架中整合導航和運動，讓機器人能夠根據具體情況自主發展運動策略，而不需要任何人類預先編程的模式。”

在模擬中，人形機器人被放置在一條陌生的路徑上，并被要求導航到一個特定的目的地。它們配備了視覺輸入、身體意識和簡單的GPS方向——例如“目的地在東北方向0.3英里”——而不是逐步的導航指令。

這些虛擬的6英尺高的成人機器人和大約4英尺高的兒童機器人在五種不同類型的路徑上進行徒步旅行，每種類型有五個難度級別。性能的評估標準包括完整性、安全性和效率。

與那些提前獲得完美導航和環境信息的機器人相比，模擬的自主機器人在效率和安全性方面的表現相當或更好。研究人員表示，它們內置的身體意識有助于防止受損，而去掉這一功能明顯降低了徒步旅行的成功率。

虛擬自主機器人學會根據地形調整其身體位置和運動方式。例如，當進入狹窄空間時，機器人學會側身擠過。它們還能夠根據障礙物決定路徑——繞過高障礙物，跨越低障礙物，如果無法跨越則選擇繞行。

林說：“令人驚訝的是，虛擬機器人在絆倒后能夠恢復平衡——這是之前的人形機器人所沒有的。我們并沒有編程這一點。這自然而然產生的。”

在這項首次研究中，機器人的上半身保持固定，因為增加上半身的運動會大幅提高建模的復雜性。現在，這項概念驗證研究在腿部運動方面取得了成功，研究團隊正在朝著全身協調行走的方向努力，以充分利用機器人的自由度，最大限度地提高運動中的穩定性、安全性和效率。

研究團隊正在積極致力于將這些政策應用于現實世界里的物理人形機器人。