【WRC大咖论道】瑞士苏黎世联邦理工大学教授Marco Hutter：《野外机器人》

2024世界机器人大会以“共育新质生产力 共享智能新未来”为主题，为期三天的主论坛和26场专题论坛上，416位国内外顶尖科学家、国际组织代表、院士和企业家聚焦前沿技术、产业动向和创新成果，深入研讨人工智能与机器人技术深度融合带来的新趋势、新机遇，共同打造了一场十分精彩的机器人领域前沿观点盛宴！

在8月23日下午的主论坛上，瑞士苏黎世联邦理工大学教授Marco Hutter以《野外机器人》为主题发表演讲。

数说2024世界机器人大会

论坛

26 家国际支持机构

3 大主题 26 场专题论坛

416 名国内外顶尖科学家、国际组织代表、院士和企业家

74 位国外嘉宾及港澳台嘉宾参会

线上线下听众达 160万 人次

展览

27 款人形机器人集中亮相

首发新品 60 余款

近 170 家参展企业 600 余件参展产品

参观人数近 25万 人次

大赛

全球 10 余个国家和地区的 7000 余支赛队

 13000 余名参赛选手

每天参赛人数 4000 余人

媒体关注

近 400 家国内外媒体

短视频平台话题播放量达 2.9亿

Marco Hutter（瑞士苏黎世联邦理工大学教授）

以下是演讲内容实录 

非常感谢主持人的介绍，谢谢主办方的邀请，接下来20分钟我希望跟大家换一个应用的场景，从仓库变成了户外野外。

大家可以想象一下如果现在机器人可以跟人类和动物一样有同样的运动能力，它可以踏足世界各个角落，它可以取代人类最肮脏最危险的一些工作，我们过去这些年做硬件、做软件，我们的目的就是希望做到这点，比方说地下几千米的矿井或者是去做搜救，可以在我们离岸的一些设施上工作或者是一些人类难以抵达的地方。刚才也有嘉宾说到了核电站，这对人类来说是非常危险的。

所以在不远的未来，我们可以看到像机器狗这样的机器人，能够在野外帮助我们搭建基础设施，甚至可以到深空、火星上辅助人类，您可以看到现在的机器人是可以避障的，但是现在我们的控制还是不够的，我们使用的是神经网络的方式，通过加强学习的方法进行训练，这里有很多的一些仿真数据，您可以看到它的仿真是基于3000、4000个同时进行训练的机器人一样，就好像是一个游戏一样，做好的机器人会进入更困难的环境，会不断的推动它克服各种环境，我们会做大量的迭代。

您可以看到随着时间的推移，它们的避障能力和运动能力会接近真实世界的需求，你可以看到这里是不均匀的地面，有台阶。此外在仿真当中，我们看到的结果要把它带到真实世界还有第二步，就是使用真实世界的数据来改善仿真的结果，尽可能的减少数据世界和真实世界之间的差距。

我给大家看一下，这是我们真实世界当中打造的一台样机，最开始的机器人就是这样的能够四足站立的机器人，它都没有办法走，给它们一些训练，15秒之后给它新的动作控制的政策，您可以看到随着时间推移，这个机器人会做的越来越好，最开始需要有人站在旁边帮助它维持平衡，然后它就认识到说我要往前走的话，我是要迈出我的腿，所以它就学怎么迈步，您可以看到它走的越来越好。我们外部的人其实是给它干扰的，最后它的这个系统的鲁棒性可能会更好，能够克服种种干扰。

无论是来自人，来自负载、来自地面或者是其它未知的困扰等等，最终这个机器狗就可以自由的来行动。我们把它带到户外，然后再加了一步就是感知的数据流，它可以处理很滑的地面，在室内室外都可以行走，大家也知道在有植物或者有雪覆盖的地面上，机器人是可以通过感知来进行决策，它是通过预先编程的方式，可以来完成这些复杂的界面。

这样的一些机器鲁棒性很高，我不能说它完全不会摔倒，但是您可以看到很滑的一个地面，你在推、拉，这个机器人仍然可以保持平衡，这是它的一个行为。您可以看到有一个很大的障碍，它被绊了一下，它可以很快保持好自己的平衡，然后会继续执行自己的任务，机器人自主的智能可以做出决策。

给大家看第二个例子，您可以看到在这里我们是机器人前面有一个木箱，它需要规划自己的路径，经典的方法是怎么做的呢？首先要有路径的规划，然后决定遵循这个路径，然后会有一些动作的控制。

我们的想法，我们是不是可以让机器人自己去规划，给它确定了时间、目标的方位，让它自己决定，这是机器人自己决定的结果，大家可以看到它首先往前走，用前腿碰、接触，然后准备，然后还有动力的，把自己向上面弹起来，用膝盖让它自己支起来，然后到达了目标，它的整个动作非常的自然。如果是用传统的方式计算路径，很难想象说用膝盖，这是往上面走，也有往下走。

它将自己放低重心，为了蹲下来，在两个地方之间去跳跃一下，伸开自己的四肢去够，还有蹲下来爬行，它可以创造所有这些不同的技能，它是非常高的动态，在动态变化的环境下，它不停的尝试，在这种环境下它也可以克服困难。

我们将所有这些不同的技能合并，在模拟中去做，有些是向上的，有些是向下的，它自己学怎么将这些技能合并在一起，包括本地的和动作都可以结合，给它一个点，然后机器人自己想办法到达。我们将这些箱子摆的更高，它没有办法再过去，所以必须找另外一个方式，最后想到另外一个方式，然后到达了。这个机器本身没有任何的改变，只是它自己想到了新的方式，我们如果把这些所有的集合到一起，可以让它在现实世界做非常复杂的动作。

我们在湖边做了这样一个实验的场景，从左到右，并没有让它从左到右去绕过，而是让它直接穿越。另外一个非常重要的方面，如何识别环境，还有很多传感器包括激光雷达、摄像头，所有这些结合在一起，可以非常精确的来定位，可以实现在狭窄的隧道或者在开放的地带进行导航，这个机器人在我们实际的建筑里面来回走动，我们用一个闭环的环境，用一个虚拟的环境让它自己学习，它会变得越来越好，最后可以对环境有非常详细的了解，做很好的规划路线。

它如何对本地的环境进行感知，这里有密度大的本地环境，在世界上有各种各样的信息，它必须重建整个的几何形状，包括即使它只能看到部分的环境，比如说它要跳一个箱子，而这个箱子比它传感器的高度高，测不到怎么办，它就要使用机器学习的方式，这是传统的方式，陀螺仪和传感器要进行本地的地图，让它去学习如何重建，包括传感器没有办法获得全部信息的情况下怎样去做规划。

我们有合成的信息数据，这样它相对来说是比较精确的模拟，让它在比较极端的复杂环境中来学习它的环境，这是这种能力能够在本地进行快捷灵活移动的重要基础，这是在实际现实中的一些应用，比如说在一些隧道里面做维护，还有在城市的下水道地下系统以及在天然的岩洞网络里面进行部署，没有信号，它只能自己去探索，非常的暗，竞争对手的产品很难在这里真的做到，像其它的机器人在这里就步履维艰了，但是我们的机器人就没问题。

它遇到一些挑战，比如说我们往里头放了烟雾，这是为了故意干扰它的认知感知能力，可以显示出它的导航和移动能力很不错。这是类似于地下仓库的环境，它要在这里探索出哪些地方是过去没有去的地方，就是黄色的地区，然后在本地计算出往哪里走，看是否能够通过来回走可以感知环境，看到一些目标，可以显示出兴趣点，比如说灭火器，它可以向外边的操作员进行反馈报告。

我们已经进行了完整机器人的部署，在很多地区都有实际的部署，它合在一起实际上是一个完整的地下通道，这是一个地下的环境，已经形成了完整的地图，非常的完善，它可以帮助我们将类似这种的勘察更加的高效和安全，这是一个应用的例证。

我们现在进入下一代机器人变革的时代，我们有自动化的机器化，有智能的仓储，下一个阶段就是进入无人的自动化工业，这是我们未来可期的目标。

有了这样机器人的技术，终于可以实现第三个阶段，在非结构的环境里面可以实行这些应用，这是一些简单任务的例子，在工业进行部署的情况，上面有很多的传感器包括热度的、磁性的还有化学有害物质，这是数字世界，它要做一个地面图，然后计划出路线，同时它要在环境里面去识别，不断的学习。

可以在环境里面躲开那些可能对自己造成伤害的高温物体，它可以去解读标志，比如说机器的型号、名牌还有防火标志等等，以及地下的设备都可以接入，这种的类似应用会大规模的部署。

还有几分钟，我给大家展示一下我认为它将来可能的应用场景，不光能够观察还可以互动，我们也谈到机器人可以在环境里面去互动，过去没有太多增值的机会，我们如何让机器人能够在环境中融入，我们必须具体的告诉它们比如说开门，但是机器人必须实现它是去拉门还是推门的问题，机器人自己的算法就可以去算出来，自己做决定，学会这个门是推还是拉。

我们现在已经有了这些技能，我们需要的就是进一步将它推广到各种环境，这是两个展示的例子，它要进行感知，它要做一系列事情，自动的去做，但是操作员可以随时的接入优先级更高的操控器，有的时候它自动的很难去实现，你教它一次，它就学到了，可以在医疗产业应用。

比如说有一个坐轮椅的参观者，他直接来到我们现场说这种机器人能不能帮助我日常生活呢，实际上我们在现场就直接帮助他做了一些实验，将来会变得越来越寻常，不仅可以帮助他们，比如说让他们可以有更好的人机互动的界面，来直接帮助人们的日常生活，也可以让操作人员有能力在这种情况下直接超越它的指令，给它下达直接的指令，我们还有四足的，还有矩形的，我认为它可以有各种各样的应用，我们要让它更加的灵活，速度更加的快，这是四轮的机器人。

希望大家能够尽情享受会议后面的部分，谢谢！

（本文根据录音整理）