赋予机器人类人感知以导航复杂地形

对头顶上树冠的天然理解有助于我们判断路径通向何方。树枝的突然断裂或苔藓的柔软垫层告诉我们脚下是否稳定。树木倒下的雷鸣声或强风中摇曳的树枝让我们知道附近可能存在的危险。

与此相比，机器人长期以来一直依赖视觉信息，如摄像头或激光雷达来移动。在好莱坞之外，多感官导航对机器来说一直是一个挑战。森林中密集的灌木丛、倒下的树干和不断变化的 terrain，对传统机器人来说是一个充满不确定性的迷宫。

现在，杜克大学的研究人员开发了一个名为 WildFusion 的新型框架，该框架融合了视觉、振动和触觉，使机器人能够像人类一样“感知”复杂的户外环境。这项工作最近被 IEEE 国际机器人与自动化会议（ICRA 2025）接受，该会议将于 2025 年 5 月 19 日至 23 日在乔治亚州亚特兰大举行。

"WildFusion 为机器人导航和 3D 地图绘制开辟了新篇章，”杜克大学机械工程与材料科学、电气与计算机工程以及计算机科学系的迪克森家庭助理教授陈 Boyuan 表示。“它帮助机器人在森林、灾害区域和越野等非结构化、不可预测的环境中更自信地运行。”

"传统机器人主要依赖视觉或激光雷达，但在没有清晰路径或可预测地标的情况下，它们往往会失效，" 主要学生作者、陈实验室二年级博士生刘燕辉补充道。 "即使先进的 3D 地图构建方法在传感器数据稀疏、嘈杂或不完整时也难以重建连续地图，这在非结构化户外环境中是一个常见问题。这正是 WildFusion 被设计用来解决的挑战。"

WildFusion， 基于四足机器人，集成了多种传感模态，包括 RGB 摄像头、激光雷达、惯性传感器，以及值得注意的是接触式麦克风和触觉传感器。与传统方法类似，摄像头和激光雷达捕捉环境的几何形状、颜色、距离和其他视觉细节。使 WildFusion 与众不同的是它对声学振动和触觉的使用。

当机器人行走时，接触式麦克风记录下每一步产生的独特振动，捕捉细微差别，例如干叶的嘎吱声与泥地的软泥声。与此同时，触觉传感器测量每只脚施加的力度，帮助机器人实时感知稳定性或滑腻感。这些额外的感官还得到了惯性传感器的补充，该传感器收集加速度数据，以评估机器人在穿越不平整地面时摇晃、俯仰或滚动的程度。

每种类型的传感数据随后通过专用编码器进行处理，并融合成一个丰富表示。WildFusion 的核心是一个基于隐式神经表示概念的深度学习模型。与将环境视为离散点集合的传统方法不同，这种方法连续地建模复杂表面和特征，使机器人能够在视觉受阻或模糊时，就落脚点做出更智能、更直观的决策。

"把它想象成解一个拼图，有些拼图块缺失，但你仍然能直觉地想象出完整的画面，"陈解释道。"WildFusion"的多模态方法让机器人在传感器数据稀疏或嘈杂时能够"填补空白"，就像人类所做的那样。"

WildFusion 在北卡罗来纳州的恩河州立公园进行了测试，成功帮助机器人穿越了茂密的森林、草地和砾石路。"看到机器人自信地穿越地形，这让我感到非常欣慰，"刘分享道。"这些实地测试证明了 WildFusion 在准确预测可通行性方面的卓越能力，显著提高了机器人在复杂地形中安全路径决策的能力。"

展望未来，该团队计划通过整合额外的传感器（如热能或湿度探测器）来扩展该系统，以进一步增强机器人理解和适应复杂环境的能力。凭借其灵活的模块化设计，WildFusion 在森林小径之外提供了广泛的应用潜力，包括在不稳定地形中的灾害响应、偏远基础设施的检查以及自主探索。

"当今机器人领域的一个关键挑战是开发不仅能在实验室中表现良好，而且能在现实世界中可靠运行的系统，"陈先生说。"这意味着即使当世界变得混乱时，机器人也能适应、做出决策并继续前进。