赋予机器人以类人感知能力，使其能在崎岖地形中自主穿行

对头顶树冠的天生理解帮助我们判断路径的走向。树枝的清脆断裂声或苔藓柔软的缓冲感提示着我们脚下地面的稳固程度。树木倒下的轰鸣或枝条在强风中舞动的声音让我们警觉附近潜在的危险。

相比之下，机器人长期以来仅依靠摄像头或激光雷达等视觉信息在世界中穿行。在好莱坞之外，多感官导航对机器而言一直充满挑战。森林中茂密的灌木丛、倒下的树干和不断变化的地形构成了一幅美丽的混沌图景，对传统机器人来说，这如同充满不确定性的迷宫。

如今，杜克大学的研究人员开发出一种名为WildFusion的新型框架，融合视觉、振动和触觉，使机器人能像人类一样"感知"复杂的户外环境。该研究成果已被2025年IEEE机器人与自动化国际会议（ICRA 2025）接收，该会议将于2025年5月19日至23日在美国佐治亚州亚特兰大举行。

"WildFusion开启了机器人导航与三维测绘的新篇章，"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专业的Dickinson Family助理教授陈博远（Boyuan Chen）表示，"它能帮助机器人在森林、灾区及越野地形等非结构化、不可预测的环境中更可靠地运行。"

"传统机器人过度依赖单一视觉或激光雷达，一旦缺乏清晰路径或可预测的地标就会失效，"论文第一作者、陈博远实验室二年级博士研究生刘彦百慧（Yanbaihui Liu）补充道，"即便先进的三维测绘方法，在传感器数据稀疏、存在噪声或不完整时也难以重建连续地图——这正是非结构化户外环境的常见难题。WildFusion正是为攻克这一挑战而生。"

WildFusion基于四足机器人构建，集成了多种传感模式，包括RGB摄像头、激光雷达、惯性传感器，以及尤为关键的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结构、色彩、距离等视觉细节。WildFusion的创新之处在于其对声音振动与触觉的应用。

当机器人行走时，接触式麦克风记录每一步产生的独特振动，捕捉细微差异——例如踩踏干燥树叶的碎裂声与陷入泥泞的噗嗤声之别。同时，触觉传感器测量施加于每只脚掌的力度，帮助机器人实时感知地面的稳固性或湿滑度。这些新增感官还辅之以惯性传感器收集的加速度数据，用于评估机器人在崎岖地面上行走时的摇晃、俯仰或滚转幅度。

各类传感数据通过专用编码器处理后，融合为统一而丰富的环境表征。WildFusion的核心是基于隐式神经表示思想的深度学习模型。与传统方法将环境视为离散点集合不同，该方法对复杂表面和特征进行连续性建模，使机器人即便在视野受阻或模糊时，也能对落脚点做出更智能、更直观的决策。

"这就像拼图时缺失部分碎片，你仍能凭直觉构想完整画面，"陈博远解释道，"WildFusion的多模态方法让机器人在传感器数据稀疏或存在噪声时能够'填补空白'，其原理与人类行为高度相似。"

WildFusion在杜克校园附近的北卡罗来纳州伊诺河州立公园（Eno River State Park）通过测试，成功引导机器人穿越茂密森林、草地和砾石小径。"目睹机器人稳健穿越复杂地形的场景令人无比振奋，"刘彦百慧分享道，"这些实地测试印证了WildFusion在精确预测可通行性方面的卓越能力，显著提升了机器人在挑战性地形中选择安全路径的决策水平。"

展望未来，团队计划拓展系统功能，融入热敏或湿度探测器等额外传感器，以进一步增强机器人理解并适应复杂环境的能力。凭借其灵活的模块化设计，WildFusion在森林小径之外展现出广阔应用前景，涵盖不可预测地形中的灾害响应、偏远基础设施巡检及自主探索等领域。

"当今机器人技术的核心挑战之一，是开发不仅能在实验室表现优异，更能可靠应用于真实场景的系统，"陈博远强调，"这意味着机器人需要具备适应能力、自主决策能力，并在环境混乱时持续行进。"

本研究获得DARPA（HR00112490419, HR00112490372）及陆军研究实验室（W911NF2320182, W911NF2220113）资助。