Marco现任瑞士苏黎世联邦理工学院机器人学助理教授，为布兰科·维斯研究员，也是ANYbotics公司的创始人。他的所学专业为机械工程，并在联邦理工学院获得机器人学博士学位。研究领域包括开发新型机器和驱动概念，以及运动和操作的基本控制、规划和学习算法。目前，他的研究小组和分拆公司正在参与多个研究项目、产业合作项目和竞赛，这些项目和竞赛旨在将诸如ANYmal这样的自动化行走机器人应用于搜索和救援、工业检查、空间探索、林业或建筑作业等具有挑战性的环境中。

Marco Hutter： 

非常高兴能够在接下来的半个小时和大家讲一讲足式机器人的话题，今天早上我们也听到了现在最令人感到激动的领域是移动机器人，但是要看解决方案的话都是在街头通过有轨方式拿出来的，未来如果能够有这种解决方案，让接地不再成为障碍的话就会有更多需求。

    这些机器人都是有手的，现在很多设备都没有办法进入这些环境，需要派人进去做这些肮脏困难的工作。过去的十多年我一直在和我的团队合作开发这种系统，刚开始是作为研究，也是在瑞士苏黎世联邦学院，最后成立了一家公司，我们即将走向下一个阶段，就是实现科技成果转化商业化，现在我们正在建立一个机器人能够跑的系统，而且也是可以在现场实地工作。

    为什么这个领域如此激动人心？实际上足式机器人领域是整合了很多机器人的细分领域。首先要了解环境，而且要在评估环境当中冒的风险，并且认识和使用正确的足位，最后要与环境进行交互，只有在这种情况下做得好才能成为非常好的足式机器人，能够很好地适应不同现场的地形。

    如何解决这一挑战？足式运动是复杂的组织问题，可以解决如何运动，什么时间下脚，力在哪个方向，因为有很大的局限性。这里我们不做数学的介绍，就看一下从A点到B点。一般的优化算法是不断调整适应行为，直到这个机器人找到解决方案。现在我们有合适的技术解决这一问题，10-100毫秒就可以有些复杂的行动，克服所有不同的障碍。

    目前我们使用的最常见的算法就是差异性控制政策，能够控制机器人，我们可以做不同的模型应用，实现线性的气动学。我们会集成整合这些局限性，然后会有自己的方程不断进行迭代，变得越来越好。真实世界的情况不是完全理想的，也有不完美的情况，包括计算力的限制、环境的不确定性和柔顺性的问题，机器人可能会摔倒、卡住，或者在很滑的环境下机器人自己就开始滑了，所以需要应对这些问题。

    介绍几个去年我们做的研究亮点，比如如何应对湿滑地面，我们有一个概率检测，可以检测面对的是什么场地，如果地面很滑的话机器人就会像人一样有一个力的分配。我们也会采用频率控制，这样的话能够有更高的频率，机器人能够更好地应对不确定性，包括驱动器方面的问题，更加流畅地和环境进行交互，因为有更高频率的输入，我们发现机器人能够很好地在复杂地面进行运动。

    我们不仅可以优化机器人的运动方式，也能够优化如何处理这些干扰，可以实现输入和反馈的优化，这些需要在规划当中做好算法，也需要很多不同的做法。我们把很多数据都拿过去训练算法，算法是控制机器人，数据是通过模拟拿到的，我们是有很好的模拟电子网络，同时能够培训很多的机器人，达到这种程度只需要两分钟，实际场景当中训练就要花上好几个小时，因为有运动政策的设计。拿到真实的场景当中会发生的情况是失败，系统虽然有建模，但并不是基于现实的，因此很多人面临困难，只在模拟场景下管用，真实情况下是不管用的，因此我们不仅要有系统的动力学，也要考虑通讯延迟以及其他因素，包括地面接触建模的不确定性。

    为了应对这些问题，我们发明了一个真正的系统，也在真正的系统上拿到了很多数据，然后进行电脑上的培训，所以连接的是两种情况。真正的媒体使用的是一些原则，然后把这些物理的技术放在强化学习的模拟环境当中培训，进行算法的学习，然后再部署到真正的系统当中。去年我们就发现情况变得非常好，能够更好地去使用，能耗也更低了。算法执行非常高效，只有20毫秒就可以在个人电脑上完成，基本上也算不了什么。

    按照传统的控制方法，这些行为是完全不可能执行的，机器人知道自己摔倒了，需要重新站起来，这是一个博士生制造的机器人，也是一种新的移动水平，这些系统都是和人类动物的移动更加相似，相比过去有很大的进步。当然，实现这一目标需要更多的信息，包括不同个体的行为结合起来组成复杂的行为进行学习。

    我们要把机器人带到真实的世界，就是感知环境，机器人也有很多不同种类的传感器，比如雷达传感器，这样分辨率是非常高的，视频也是3D模拟，非常准确，可以在局部进行环境制图来做光学规划，这样机器人是有数据去做规划。我们可以看到机器人在为环境制图，实时走步，就像没有障碍一样如入无人之境，结合感知和行动规划，而且是实时在机器人本身有的系统来做。

    这些只是一个解决方案，也有更多的解决方案，我们自己肯定是知道不走那边要走这边，而且知道区分草和路，所以希望机器人也能够有类似人类的能力，能够认识地面不同的特点，然后感知前面的地形是什么情况再做导航规划，使用不同感知系统的话，通过比较简单的触觉培训，然后会有视觉感知，下载之前就知道这样的环境，因此可以明确确认前面的地面是什么样子，不同的地面带来的影响是什么程度，所有的这些都可以让我们的机器人走入真实世界。

    过去几年我们看到了许多不同的应用场景：

    搜索救援是一个非常广泛的话题，涉及许多不同的内部挑战，包括地下矿的检测检修，地下有1000米深的矿的话肯定不希望让人每天下去，勘探环境和工业检查环境，搜索救援一般来说是非常不同的情况，很难给机器人很大的自主性，因此我们做的是部署机器人，然后让一个人远程操作，基本上就是3D的环境描述，搜集所有机器人的传感信息，然后部署机器人进行导航。

    这是矿山当中的机器人应用场景，我们使用行走机器和环境进行互动，机器人做的就是进入这些废水管，原来是人们要进去，现在机器就可以做这些工作，判断需要做多少修理，是不是需要更换水泥，这些都是非常滑的管子，其实人清理起来是非常困难的。人们进入地下空间爬行，然后可以找到环境当中自己想找到的东西，我们可以知道距离工业应用是越来越近的。

    这些是我们和Andy Robotics一起做的项目，属于一个北海的海上平台，包括不同功能的传感器和摄像机，完全可以在这个环境当中自我导航，进入所有非常小的空间之内，然后通过这样的图让自己进行导航，再做灰尘的侦测和清理。机器人可以检测压力表，如果不对可以重新进行调整，有了问题的话检测管道，可以进行非常昂贵的检查，这些只是一个开端，还有很多工作我们可以开发。

    （播放短片）

本次演示的不是完全自主的机器，我的助手手里有一个摇控器，正在遥控这个机器狗，但是现实情境当中它是完全可以进行自主检测的。我们来看它的特点和功能，最重要的部分是移动力、四肢，不是速度而是爬楼梯能力。我们在不同的组合有各种各样的配件来爬不同的地方，即使是扔到水里一个小时也没有问题，包括爬不同的障碍物，也有前方后方两侧的传感器，可以知道旁边有没有人，地表地面的地形，包括足尖的地是不是平等等，感受到的和它的数据进行匹配，外接天线可以让它更加精确地知道自己所处的位置。我们有很多不同焦距的摄像头选择，完全黑暗的状态下机器人仍然可以自己进行证明，完全独立地进行检测。无论具体情况怎么样，我们都可以安装具体传感器开展工作，现在可能还想不到，但是未来一定会想到我们的设备还能再做哪些其它工作。

    我们的机器在本周都会开放展览，如果大家感兴趣的话可以来到我们的展台B202看一看我们的实体。我和Animal C一起感谢大家，有请Animal C给大家跳一段小的舞蹈。