賦予機器人類人感知以導航復雜地形

對頭頂上樹冠的天然理解有助于我們判斷路徑通向何方。樹枝的突然斷裂或苔蘚的柔軟墊層告訴我們腳下是否穩定。樹木倒下的雷鳴聲或強風中搖曳的樹枝讓我們知道附近可能存在的危險。

與此相比，機器人長期以來一直依賴視覺信息，如攝像頭或激光雷達來移動。在好萊塢之外，多感官導航對機器來說一直是一個挑戰。森林中密集的灌木叢、倒下的樹干和不斷變化的 terrain，對傳統機器人來說是一個充滿不確定性的迷宮。

現在，杜克大學的研究人員開發了一個名為 WildFusion 的新型框架，該框架融合了視覺、振動和觸覺，使機器人能夠像人類一樣“感知”復雜的戶外環境。這項工作最近被 IEEE 國際機器人與自動化會議（ICRA 2025）接受，該會議將于 2025 年 5 月 19 日至 23 日在喬治亞州亞特蘭大舉行。

"WildFusion 為機器人導航和 3D 地圖繪制開辟了新篇章，”杜克大學機械工程與材料科學、電氣與計算機工程以及計算機科學系的迪克森家庭助理教授陳 Boyuan 表示。“它幫助機器人在森林、災害區域和越野等非結構化、不可預測的環境中更自信地運行。”

"傳統機器人主要依賴視覺或激光雷達，但在沒有清晰路徑或可預測地標的情況下，它們往往會失效，" 主要學生作者、陳實驗室二年級博士生劉燕輝補充道。 "即使先進的 3D 地圖構建方法在傳感器數據稀疏、嘈雜或不完整時也難以重建連續地圖，這在非結構化戶外環境中是一個常見問題。這正是 WildFusion 被設計用來解決的挑戰。"

WildFusion， 基于四足機器人，集成了多種傳感模態，包括 RGB 攝像頭、激光雷達、慣性傳感器，以及值得注意的是接觸式麥克風和觸覺傳感器。與傳統方法類似，攝像頭和激光雷達捕捉環境的幾何形狀、顏色、距離和其他視覺細節。使 WildFusion 與眾不同的是它對聲學振動和觸覺的使用。

當機器人行走時，接觸式麥克風記錄下每一步產生的獨特振動，捕捉細微差別，例如干葉的嘎吱聲與泥地的軟泥聲。與此同時，觸覺傳感器測量每只腳施加的力度，幫助機器人實時感知穩定性或滑膩感。這些額外的感官還得到了慣性傳感器的補充，該傳感器收集加速度數據，以評估機器人在穿越不平整地面時搖晃、俯仰或滾動的程度。

每種類型的傳感數據隨后通過專用編碼器進行處理，并融合成一個豐富表示。WildFusion 的核心是一個基于隱式神經表示概念的深度學習模型。與將環境視為離散點集合的傳統方法不同，這種方法連續地建模復雜表面和特征，使機器人能夠在視覺受阻或模糊時，就落腳點做出更智能、更直觀的決策。

"把它想象成解一個拼圖，有些拼圖塊缺失，但你仍然能直覺地想象出完整的畫面，"陳解釋道。"WildFusion"的多模態方法讓機器人在傳感器數據稀疏或嘈雜時能夠"填補空白"，就像人類所做的那樣。"

WildFusion 在北卡羅來納州的恩河州立公園進行了測試，成功幫助機器人穿越了茂密的森林、草地和礫石路。"看到機器人自信地穿越地形，這讓我感到非常欣慰，"劉分享道。"這些實地測試證明了 WildFusion 在準確預測可通行性方面的卓越能力，顯著提高了機器人在復雜地形中安全路徑決策的能力。"

展望未來，該團隊計劃通過整合額外的傳感器（如熱能或濕度探測器）來擴展該系統，以進一步增強機器人理解和適應復雜環境的能力。憑借其靈活的模塊化設計，WildFusion 在森林小徑之外提供了廣泛的應用潛力，包括在不穩定地形中的災害響應、偏遠基礎設施的檢查以及自主探索。

"當今機器人領域的一個關鍵挑戰是開發不僅能在實驗室中表現良好，而且能在現實世界中可靠運行的系統，"陳先生說。"這意味著即使當世界變得混亂時，機器人也能適應、做出決策并繼續前進。