新研究提議提升服務型機械人於樓梯上跌倒恢復能力

能夠在樓梯上行走的機械人仍然面臨重大安全問題，因為失去平衡往往會導致它們摔倒，造成自身及周圍環境的損壞。新加坡科技設計大學（SUTD）機器人與自動化研究（ROAR）實驗室的研究人員提出了一種減少此風險的方法，幫助機械人主動緩解摔倒，而不僅僅是試圖防止摔倒。這項研究專注於樓梯行走的服務機械人，儘管在平衡控制和路徑規劃方面已有所進步，仍然容易受損。根據團隊引用的一項多年的實地研究，設計用於樓梯的機械人在樓梯上的故障率比在平坦地面上高出至少 35 倍。

一旦摔倒開始，動能迅速增長，使得恢復變得困難，並增加損壞的風險。傳統的安全系統主要集中於防止摔倒，包括導航算法、障礙物檢測和穩定性控制。然而，研究人員認為這些措施無法在真實環境中完全消除風險。即使機械人控制良好，意外的互動，例如人員碰撞，也可能觸發摔倒，而現有系統並未針對這種情況進行設計。

研究人員提出新方法以減少機械人摔倒風險

ROAR 實驗室負責人穆罕默德·拉傑什·艾拉（Mohan Rajesh Elara）教授表示：「這就是為什麼緩解摔倒比單純防止摔倒更為重要的原因。直到行業對這種殘留風險有一個可靠的解決方案，操作員將繼續將這些平台視為負擔，而非節省勞動力的工具。」為瞭解決這一問題，團隊開發了一個基於強化學習的系統，使機械人在摔倒過程中能夠做出反應。該系統不僅在不穩定性發生之前作出反應，而是主動利用安裝在履帶移動平台上的機械臂來穩定機械人。

研究人員首先研究了樓梯相關故障在實際條件下是如何發生的，並確定了五種主要的摔倒模式，包括直向後摔倒、旋轉變化和側向崩潰。根據這一分析，他們設計了一個三關節的機械臂，能夠對抗這五種運動。

新系統在提高機械人穩定性方面取得顯著成效

艾拉教授表示：「三個自由度是幾何上覆蓋五種摔倒類型的最小要求，當該結構安裝在機械人的後部時。」該機制縮小了問題的範圍，使得人工智能控制器能夠解決。人工智能讓我們能夠驅動一個否則過於複雜而無法手動控制的機制。該控制系統完全在模擬環境中使用強化學習進行訓練。在每次訓練中，機械人會受到模擬的外部力量推動，導致其摔倒。然後控制器學會如何實時調整機械臂關節以穩定平台。

在五個訓練的控制器中，該系統在阻止摔倒和恢復穩定性方面的平均成功率達到 69.4%。而傳統的手動編碼控制方法僅達到 38.6%。當成功時，人工智能系統在平均 4.25 秒內穩定機械人，符合團隊內部的響應目標，即在 10 秒內完成。

研究人員還測試了該系統是否能在其訓練的機械人之外運作。他們在尺寸相差 10% 的平台及不同尺寸的樓梯上進行評估。在某些情況下，性能有所改進，最佳控制器在較大機械人上達到了 87% 的成功率。艾拉教授表示：「該控制器並不是在記住一種幾何形狀，而是在學習一種可以廣泛應用的恢復策略。」團隊表示，該系統尚未準備好全面部署。其當前的性能尚未達到嚴格的工業安全標準，例如 IEC 61508，這意味著在實際使用之前需要額外的保障和驗證。

研究人員目前正在努力提高系統的可靠性，增加機械故障保護裝置，並開發可解釋的模型以支持認證。這項工作是 SUTD 在改善自主移動機械人在實際環境中安全性的一部分。該研究發表在《工程》期刊上。