尽管我们喜欢继续研究受生物启发的机器人（并且确实会继续研究它们），但有些事情还没有被大自然弄清楚。

轮子几乎是其中的一件事—有些动物会滚动，并基于这种滚动启发了机器人，但在微观水平以上的自然界中，没有发现真正的轮子运动。

当人们弄清楚轮子有多有用时，我们（除其他事项外）将它们绑在脚上，以使我们的运动在某些条件下更为有效，这实际上表明了自然界是谁中国机械网okmao.com。

但是，我们自鸣得意的轮子优势并没有持续很长时间，因为机器人对轮子的熟练程度正迅速提高，超出了我们的期望。

穿着溜冰鞋的人和装有驱动轮的机器人之间的主要区别在于，如果机器人经过适当的设计，它可以以微妙的方式对其轮子施加控制，这是我们永远无法比拟的。

我们已经在Boston Dynamics的Handle上看到了这一点，尽管到目前为止，Handle似乎还没有充分利用它也有优势的事实。

要了解为什么轮子和腿部共同改变机器人移动性的游戏规则，我们可以看一下ANYmal，它将四个腿部和四个轮子与它进行的每个动作无缝地融合在一起。

这里最酷的事情是ANYmal正在动态选择最佳混合步态，该步态是动力滚动和有腿步进的融合。它只是根据车轮下方地形的感觉来进行这种“盲目”操作，而无需任何相机或激光雷达输入。

您可以根据轮式运动在每条腿上所具有的效用来查看其如何在滚动和步进之间无缝过渡，甚至在跨步时也是如此。

如果车轮不再有效，则控制器会将那条腿切换为步进运动，同时保持与其他腿部的协调。总体而言，这使得ANYmal能够更快地移动，而不会降低其应对具有挑战性的地形的能力，并降低了运输成本，因为滚动比步行更有效。

有关更多详细信息，我们与苏黎世联邦理工学院的Marko Bjelonic进行了交谈 。

IEEE Spectrum：是否有某些地形使这些ANYmal的步态转换特别具有挑战性？

Marko Bjelonic：非周期性步态序列是通过运动腿实用程序自动找到的，无需预先定义的步态时间。根据机器人的当前情况，每条腿在合适的时候可以自行推理。我们的方法在崎terrain的地形中效果很好，但是更大的障碍（例如楼梯）具有挑战性。

您认为结合传感器来识别地形对ANYmal的功能有多大的影响？

我们提交的出版物仅基于本体感受信号，即不使用地形感知来基于感知到的环境进行步态转换。

我们感到惊讶的是，该框架在平坦和不平坦的地形上已经可以很好地工作了。但是，我们目前正在开发一种扩展程序，该扩展程序考虑了机器人预先计划地形的步骤。这种对地形敏感的扩展程序还能够处理更大的障碍物，例如楼梯。

“我的经验告诉我，当前版本的ANYmal带轮毂可大大提高机动性。而且我相信，这类机器人将首先胜过自然。没有动物或人类可以利用这种概念。”

—苏黎世联邦理工学院的Marko Bjelonic

您认为像ANYmal这样的混合机器人有多少自由度是最佳的？例如，如果车轮可以转向，那会有益吗？ 

没有转向轮是一个很好的挑战，因为这样一来，机器人就不得不探索混合的滚筒行走运动。

从应用的角度来看，使车轮转向的可能性将是有益的。我们已经分析了腿的配置和每条腿的致动量，发现无需额外的自由度即可实现此目的。我们可以旋转第一个执行器，即髋关节内收/外展，并且在不增加复杂性的情况下，我们提高了机器人的机动性并增加了操纵车轮的可能性。

混合动力出行的缺点是什么？为什么每个有腿的机器人都不应该有轮子？

每个有腿的机器人都应该有轮子！我认为将来会越来越普遍。当前只有很少的混合动力概念，例如，滚筒行走的ANYmal，CENTAURO机器人和Boston Dynamics的Handle。

额外的自由度和自然界中缺少的同类使轮足机器人的运动能力设计更具挑战性。这就是为什么我们看不到更多这些生物的原因之一。但是我相信，随着该领域的最新发展，将会有更多的概念。

接下来要做什么？

我们正在研究一种艺术性的框架，该框架可使机器人在地面上以及在具有挑战性的障碍物上更复杂地运动。这里的挑战是如何找到针对此类高维问题的最佳策略，以及如何在真实的机器人上稳健地执行这些运动。

“全身MPC和在线步态序列生成轮式，腿式机器人”，由马尔科Bjelonic，鲁本·格兰蒂亚，奥利弗·哈雷，CLA Galliard，塞缪尔·齐默尔曼和Marco胡特从苏黎世，可以用的arXiv。