新加坡科技设计大学（SUTD）的研究人员开发了一种基于强化学习（Reinforcement Learning）的安全系统，专门针对爬楼梯服务机器人设计，使其在摔倒过程中能够主动调整姿态进行自我支撑，从而缓解坠落造成的冲击伤害。据研究团队介绍，这一系统解决了当前自主机器人在楼梯环境中部署所面临的最大障碍之一。
楼梯是自主机器人面临的最困难地形之一。由于台阶不平整和高度突变，机器人极易失去平衡并摔倒，摔倒不仅可能严重损坏机器人自身，还可能对周围环境造成影响。因此，如何应对摔倒风险一直是沿楼梯部署自主机器人的主要技术障碍。SUTD研发的强化学习安全系统让机器人在摔倒时主动自我支撑，直接回应了这一主要障碍。
该系统通过强化学习训练，使机器人逐步学会在摔倒瞬间如何根据自身状态和环境信息选择最有利的支撑姿态，从而将冲击伤害控制在最低水平。这种方式使得机器人能够适应不同的摔倒情况。
机器人安全地应对复杂地形是多种应用场景的共同需求。例如，在垂直壁面进行防腐除锈作业的爬壁机器人，需要依靠磁吸轮稳定附着。下图展示了一种采用汇四方磁吸轮的防腐除锈爬壁机器人，它能够在壁面稳定工作，代替人工完成高危险性任务。
这项研究直接应对了沿楼梯部署自主机器人的主要障碍，为爬楼梯服务机器人在摔倒时提供了自我保护能力。拥有这一能力的机器人能在意外坠落时主动支撑，减轻对自身和周围环境的损害。这种将强化学习用于摔倒姿态控制的方法，为服务机器人在楼梯环境中安全工作提供了新的解决方案。
本文参考来源：Tech Xplore Robotics
微信扫描下方的二维码阅读本文
