DogSurf: 四足机器人用于视障人士导航的基于 GRU 的地面识别
内容提要
本文综述四足机器人在盲人导航中的研究，涵盖基于定性研究的室内机器导盲犬导航方案设计、利用马尔可夫决策与“延迟挽具”模型提升安全性、结合强化学习实现情感检测、外力响应与稳定行走，以及PRELUDE层级框架、Barkour敏捷性基准和NeuGraspNet抓取方法的开发。
延伸解读
从导盲犬到机器导盲犬：人机协作是关键
文章指出，开发机器导盲系统需考虑导盲犬处理者和导盲犬作为导航团队的因素，并建立具有首选特性（如速度和方向控制）的合作室内导航方案。这强调了机器导盲犬并非完全自主，而是需要与视障用户形成协作关系，通过定性研究理解用户需求，才能设计出真正有益的导航系统。
安全机制：延迟挽具与外力响应
为提升用户安全，研究利用马尔可夫决策过程和实际人机交互数据，提出“延迟挽具”交互模型，通过预测并过滤危险动作来增强安全性。同时，通过强化学习训练的运动控制器能抵御外部牵引力并估计外力方向，使机器人稳定行走并响应人类外力，从而引导用户绕过障碍。这些机制共同保障了导航过程中的安全。
技术趋势：层级学习与敏捷性基准
文章综述了PRELUDE层级学习框架，其高层决策通过模仿学习人类演示，低层步态通过强化学习生成多样化步态，在仿真和硬件实验中表现优异。此外，Barkour基准测试用于衡量机器人敏捷性，基于策略的强化学习和Transformer模型训练展示了应用潜力。这些进展表明，四足机器人正朝着更智能、更敏捷的方向发展。
Q&A
四足机器人如何帮助视障人士进行室内导航？
通过定性研究，考虑导盲犬处理者和导盲犬作为导航团队，建立具有首选特性（如速度和方向控制）的合作室内导航方案，并在室内环境中测试盲人模拟行走，展示类似导盲犬的避障行为。
什么是“延迟挽具”模型？它如何提升用户安全？
“延迟挽具”是一种交互模型，利用马尔科夫决策过程和实际人机交互数据，通过预测并过滤危险动作来增强用户安全，并经过模拟和实验验证。
四足机器人如何实现情感检测和声音源定位？
通过结合强化学习和软件工程概念，使用PPO算法的“on-policy”学习方式，使模拟犬展示无缝步态，并能对人类进行情绪应答。
四足机器人如何抵抗外部牵引力并响应人类外力？
通过强化学习和监督学习同时训练具有抗外部牵引力的运动控制器以及外力估计器，实现稳定行走和对人类外部力的响应，并引导机器人达到未知全局目标，通过局部规划器引导人类绕过障碍物。
PRELUDE层级学习框架是什么？它如何工作？
PRELUDE是一个层级学习框架，包括高层决策和低层步态生成。高层导航控制器用人类演示进行模仿学习，低层步态控制器使用强化学习获得多样化步态，在仿真和硬件实验中表现出色。
Barkour基准测试是什么？它用于什么目的？
Barkour是一个用于衡量机器人敏捷性的基准测试，通过基于策略的强化学习方法和Transformer模型训练，演示其应用，旨在实现动物级别的敏捷性控制器。
