从颠沛流离的波士顿动力说起:多足机器人的路为什么越走越艰难?

今年8月,雷锋网将在深圳举办一场盛况空前有全球影响力的人工智能与机器人创新大会。届时雷锋网(搜索“雷锋网”公众号关注)将发布“人工智能&机器人Top25创新企业榜”榜单。目前,我们正在拜访人工智能、机器人领域的相关公司,从中筛选最终入选榜单的公司名单。如果你也想加入我们的榜单之中,请联系:2020@leiphone.com。

雷锋网按:本文作者栗向滨,中科院自动化所复杂系统国家重点实验室研究生,主攻机器人与人工智能。

2016年3月18日彭博商业周刊爆出了一条新闻,谷歌母公司Alphabet计划放弃机器人计划,并出售收购不到3年的有足机器人制造商Boston Dynamics。

就在一个月之前2月23日,波士顿动力公司在YouTube上发布了一段关于公司新成果的一段视频,这段视频现在已经拥有了上亿次的点击量,在世界各地都引起了很大的关注度。

5月28日,Tech Insider报道称丰田对波士顿动力的收购“已进入尾声”,并且有波士顿动力员工称这是一次“友好的收购”。虽然对于波士顿动力的出售与收购原因都众说纷纭,但是在这些原因里面均透露出了一丝丝对多足机器人无奈的意味,而这丝无奈正如我在文章《Google为何要放弃逆天的Atlas机器人?波士顿动力与谷歌背后的故事》中最后提到的——

“多足机器人的困境也许才刚刚开始”。

(波士顿动力多足机器人展示 )

所以这篇文章,我将阐述一下为什么多足机器人的路越走越难。

机器人是个构成十分复杂的智能体,他的组成部分包括动力模块、执行机构、传感部分、运动机构、环境互动与导航、人机交互等很多方面。而我们今天讲的多足机器人,主要的研究环节就是他的运动机构,所以首先我们先来看看机器人到底有哪些运动方式。

机器人的运动方式可以分为轮式、足式、蛇形、爬行、飞行、游动等,陆上的运动方式为轮式、足式、蛇形、爬行,其中以轮式与足式为主,空中与水中的运动方式分别为飞行与游动。

| 轮式运动的机器人

我们先来说说轮式运动有哪几种类型。先列举一下:四轮、两轮平衡、独轮平衡、球面轮、六轮和履带。

(NASA的双轮平衡机器人Robonaut )

对于大多数的移动机器人来说,运动方式基本上均采用轮式,其中以四轮和履带最为常见,因为这两种方式既简约又稳定性高。除此之外还有两轮平衡机器人,两轮平衡机器人通常使用陀螺仪来检测机器人偏倒了多少,然后驱动轮子在相同的方向同等比例的运动,这种对偏倒的补偿运动每秒钟会运行几百次,原理同倒立摆的动态平衡。我们日常在大街上看到的两轮电动车虽然不是机器人,但是其平衡原理与两轮机器人类似。

(卡内基梅隆大学Ralph Hollis教授开发的独轮机器人Ballbot )

独轮平衡机器人是两轮平衡机器人的拓展形式,它可以将一个球状轮作为独轮在二维平面的任意方形运动。采用独轮平衡的机器人有美国的卡内基梅隆大学(Carnegie Mellon University) Ralph Hollis教授开发的Ballbot机器人以及日本的东北学院大学(Tohoku Gakuin University) Masaaki Kumagai教授开发的BallIP机器人。由于只有一个轮子,所以高度要高一些,但是占地面积要小很多,所以相比于其他机器人来说更适合在狭窄的空间里运动。

(日本的东北学院大学Masaaki Kumagai教授开发的独轮机器人BallIP )

球面轮机器人是将机器人的本体装在球面里面,或者旋转球面内的配重块,或者转动球面外壳来实现运动。

(球状轮造型 via:wikipedia.org)

六轮机器人相比四轮驱动,会提供更大的牵引力,更适合在户外运动,例如岩石和草丛环境。

履带机器人相比六轮机器人会提供更大的牵引力,履带的结构会使得机器人运动起来如同加上了更多的小轮子,对于户外和军用机器人尤为常见,特别适合崎岖的地形。但是缺点是对于室内光滑地板环境比较难以使用。履带机器人比较典型的例子是NASA的城市机器人Urbie。

(履带机器人 via:tiaozhanbei.net)

| 足式运动:仿人机器人的尴尬

大致介绍完轮式机器人,就要介绍我们这篇文章的主角——足式机器人

通过对以上轮式机器人的介绍我们可以发现,轮式机器人十分好操控,只要对两到六个轮子加上电机驱动,既可以使得机器人进行运动,而且随着轮子数目的增加,牵引力也会增加,而且也比较适应崎岖以及不平坦的路面环境。

但是对于足式运动的机器人,情况就复杂得多了。

一般的仿人机器人会采用双足式,但是这些机器人行走的可靠性没有一个强于人类。对于双足机器人平衡控制的问题也一直是研究领域的热点,但是遗憾的是,没有一种控制方法是和人的平衡方法一样的。

在这里我们就会发现一个有趣的事情,仿人机器人的研究,我们主要是仿照人类并且企图通过模仿人类的运动实现机器人优良的运动特性,但是我们只是建造了一个和人的外形有些相似的机器人,控制方法却和人类的一点都不一样。

而且更遗憾的是,我们既没有研究明白人类是怎么达到如此优良的双足平衡特性,我们使用的方法也没有超过人类这种优良的平衡特性,甚是我们现在的双足机器人基本上都不能在崎岖不平的路上行走,虽然我们看到Atlas在不平坦路面上行走的视频,但是这段视频也许真的只是走得非常好的一次了。这个本身就是双足机器人研究十分尴尬的境地。既然双足的鲁棒性这么不好,我们可以采用四足或者多足以实现更好的平衡,而且也免去了不少需要实现平衡而使用的控制算法。

(Atlas在DARPA挑战赛上 via:theroboticschallenge.org)

虽然多足免去了不少平衡上的问题,而且多足适应崎岖的地形,可跨越障碍,并且具有较强的机动性,这些都是足式运动的优点,但是这些优点对于非足式运动,似乎也可以通过改进而实现;而且对于双足以及多足,足式运动本身也会存在不少的问题。

我们先来看看现在的足式机器人都采用哪些平衡控制方法。

  • 足式机器人的平衡控制方法

1、零力矩点运动规划方法

(零力矩点运动规划方法原理图 cilab.csie.ncu.edu.tw)

零力矩点运动规划方法:沿足底分布的负载具有相同的符号(方向),它们等效于一个合力R,其作用点在足底的范围内。合力R所通过的在足底上的这个作用点,称为零力矩点(zero moment point),简称ZMP。

Vukobratovic于1968年提出ZMP这个概念,到了80年代早稻田的加藤一郎实验室(Ichiro Kato's laboratory at Waseda University)制作了一系列的WL机器人,这些双足机器人是最早将此概念实际应用到动态平衡的双足步行。

有名的例子,像是Honda的Asimo就是利用ZMP的相关理论来达到双足机器人的步行和平衡。那ZMP有什么用呢?如果ZMP落在脚掌的范围里面,则机器人可以稳定地行走。

(Asimo机器人 tech.sina.com.cn)

但是,这种方法并不是我们人类的行走原理,而且我们看这样的机器人走路也感到很是别扭,有些人开玩笑说,Asimo走路的时候就像内急要去厕所。而且这样的平衡方法,也只能应用到平坦路面上的行走。

2、跳跃平衡

(三维独腿跳跃机器人 via:www.ai.mit.edu)

跳跃平衡:最早是来自MIT Leg Laboratory的Marc Raibert于上世纪八十年成功实现的,看过我写的《Google为何要放弃逆天的Atlas机器人?波士顿动力与谷歌背后的故事》文章的人,一定对Marc Raibert这个人不陌生,没错,他就是波士顿动力的创始人,并且现在仍是波士顿动力现任总裁兼项目经理。他最初设计的跳跃平衡机器人只有一条腿,可以通过一直蹦蹦跳跳实现竖直不倒,那个感觉就像我们小时候玩的弹簧单高跷。当机器人向一侧倒的时候,机器人的腿就向倒的那侧着步,接住自己。后来,单足又发展为两足和四足,也开始能完成一些较复杂的运动,例如小跑、大步跑、翻跟头什么的。

3、动态平衡算法

动态平衡算法相比零力矩点方法更加鲁棒一些,它的思路就是时刻检测机器人的运动,然后判断机器人的脚应该放到哪里。人们可能奇怪这种方法和跳跃平衡有什么区别,其中的区别主要是跳跃平衡是一种动平衡,就像没有支架的自行车,必须骑起来才能平衡,但是动态平衡算法可以使得机器人稳定地站在那里。

(Anybots公司的双足机器人Dexter。可以跳跃离开地面11英寸 via:youtube.com)

4、被动动力行走

被动动力行走是指机器人可以完全不用驱动,也完全不用控制仅依靠势能作为能量输入就可以实现沿斜坡向下地稳定行走。

(被动动力行走原理示意图 via:www.robotway.com)

因为人类在行走过程中摆动腿的驱动能量并非完全来源于肌肉做功,而是有一部分来源于重力做功,这与单摆的运动非常相似。对人类行走时腿部肌电信号的实验研究表明,人类行走时大部分时间腿部肌肉的活动强度是很小的,这说明自身重力及惯性是决定其运动特性的重要参数,而被动动力行走完全依赖于自身重力及惯性,这为被动行走提供了仿生学依据。但是这种控制存在很大的局限性,因为机器人需要利用重力进行被动运动,那么它的运动方式就会受到很大的限制,那过程就像一个饿得一点力气的人沿着下坡路被重力带着走。

所以介绍完以上目前足式机器人用的平衡以及运动控制算法来说,并没有一个很好的解决办法,它们的行走方式并没有达到我们预期所期待的优越的鲁棒效果,而且对于足式固有的越障等能力,越来越多的其他运动方式也逐渐可以完成,所以这种优越性也开始渐渐地消失。

除此之外,足式运动还有很多设计难度和功耗等的问题。

  • 足式运动存在的问题:设计难度和功耗大等

(一种机器人关节结构图 via:csstoday.net)

在组成四足行走机器人的机构中,腿部机构是最重要的机构。如果腿部机构选择得当,不仅可以使机器人的机构简单、设计方便,还可以简化控制方案。但是目前的足式机器人大多采用基于零力矩点的轨迹规划方法。机器人的每个关节都需要进行驱动和控制,使得该类机器人体积和质量大,从机械结构设计到控制系统设计都比较复杂,效率很低,不适于长时间和长距离的野外作业。而且人类的关节是一个很复杂的结构,目前仅仅依靠电机去模拟,得到的效果自然十分尴尬。

(人体膝关节示意图 via:zzxu.cn)

而且在过去的几十年里,足式机器人虽然得到了很大的发展,但是,能量消耗大这个问题一直困扰着设计者。

据估计,日本本田公司的阿西莫机器人单位重量移动单位距离所消耗的能量是人类的10倍以上。因为它的每个腿关节都由电机驱动,计算机控制行走过程中各关节每一时刻的角度和角速度等参数。采用这种方式已经研制出了能够成功行走的机器人,不过它们需要复杂、快速、精确的驱动和控制,因此能量消耗率远高于人类。

限制传统行走机器人实用化的一个重要因素是其过高的能耗。传统的机器人需要大量的马达对关节驱动,要消耗大量的能量,且马达在一个行走周期中会做部分负功,使能耗进一步增加。所以我们都会看到不管是Asimo还是Atlas,都会背着一个大大的电池书包,大狗用的则是柴油,所以噪音自然不小。

(Atlas机器人后背的电池背包 via:youtube.com)

于是人们说,我们可以采取被动动力运动方式啊。确实,上世纪90年代开始发展起来的被动行走机器人是一种比较简单的机械装置,由固体杆件通过关节联结组成,能够在一个向下的倾斜面上仅依靠重力实现稳定行走。它们没有电机和控制器,仅依靠重力势能补偿行走过程中由碰撞和摩擦产生的能量损耗,由自身的机械结构及质量分布等来实现周期性行走。其单位重量移动单位距离所消耗的能量值与人类行走时的数值大小相当,这让它们的行走效率超过以往任何行走机械。但是,光看着这些描述我们就会担忧,这个只有依靠斜坡才能运动的机器人我们还能让它干些什么。

上面主要从技术的角度上来讲的,我们再来看看从情感上。

  • “恐怖谷理论”:你会想要一个仿人机器人吗?

(影视作品中的机器人管家形象)

假如你们家的管家是一个机器人,我想你期待的是一个什么样的机器人呢。假如你说你偏好双足的,那多半你期待的是一个仿人机器人,可是我以前在文章《2015年,机器人界发生了哪些神奇疯狂的故事?(下)》中介绍Geminoid F机器人的时候介绍过“恐怖谷理论”,如果Geminoid F这样美丽的机器人你看着都怕,你怎么让她当你的管家或者玩伴。再说,假如她哪个零件坏掉了,恐怕你连抱都抱不动这个金属家伙吧。

那既然家用不行,我们可以军用。别忘了,美军已经因为大狗太吵已经不用它了,而且这么费油,还不如开辆车运送的东西多呢。

由此看来,多足机器人也许只是人类想要模仿或者还原人类以及自然界动物的一种最初的想法,从现在各种窘境以及以多足机器人为主要业务的波士顿动力的此次易主我们可以看出并体会到,多足机器人的路真的是越走越难了。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2016-06-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能快报

人工智能诊断正在快速兴起

美国斯坦福大学(Stanford University)研究团队展示了一种“深度学习”算法,能够像执业皮肤病专家一样准确诊断潜在的癌性皮肤病变。 《自然》杂志(...

2175
来自专栏罗超频道

街景车弱爆了,照片游技术会取而代之?

尼泊尔发生了本世纪陆地第五次八级大地震,加德满都12座世界遗产建筑被不同程度损毁,尼泊尔专家称能工巧匠需要用大约10年时间才可修复这些古迹。在他们实现这一目标...

3775
来自专栏机器人网

盘点机器人发展不可或缺的八大技术

当前各个国家对机器人技术都是非常的重视,人们生活对智能化要求的提高也促进了机器人的发展,在这样的背景下,机器人技术的发展可以说是一日千里,未来机器人将在以下技术...

2727
来自专栏DT数据侠

空姐如何服务好“上帝”?让这份乘客满意度数据指南告诉你

大数据的应用无处不在,从“文化娱乐”到“职业发展”,再到今天的“交通运输”,大数据的分析与洞察总能带来商业社会巨大价值。本期数据侠Kathryn Bryant...

930
来自专栏机器人网

液态金属机器人吃喝拉撒还会拥抱

液态金属“吞食”少量物质后可以机器形态高速运动。可变形液态金属机器习性接近简单软体生物。 ? 3D打印的清华大学英文缩写,每个字母约1平方厘米。 ? 3D打印的...

2648
来自专栏机器人网

人机交互的未来革命会是什么?

1973年,人类第一次用上了鼠标:施乐帕罗奥多研究中心(Xerox PARC)推出了配备鼠标的Alto电脑。1984年,Macintosh(后简称Mac)也第一...

2294
来自专栏量子位

ARM要把芯片植入大脑,帮瘫痪病人重获行动能力

允中 编译整理 量子位 报道 | 公众号 QbitAI 马斯克开了个广受关注的新公司NeuraLink开发脑机接口;Facebook也在上个月的开发者大会上,宣...

32412
来自专栏机器人网

科学家研发出毫米级Delta机器人,速度快20倍

由于Delta机器人精度高、速度快,被广泛应用于取放组装、机械加工、焊接和食品包装等多种工业流程中。从Reymond Clavel为巧克力工厂开发的第一个版本开...

3225
来自专栏新智元

从人脸识别到“无脸识别”,经济学人主编表示很担心

【新智元导读】人工智能对社会的渗透远比你能看到的更多。在具体的AI应用中,人脸识别是最广泛的几大技术之一,不管是执法、广告、管理甚至教堂,人脸识别都在发挥作用。...

35310
来自专栏新智元

全球首场神经影像人机对决:AI战胜25位医界“最强大脑”!

【新智元导读】昨天,备受关注的全球首场神经影像人机大战在国家会议中心举行,在脑肿瘤和脑血管影像判读比赛中,医疗AI最终以高出20%的准确率战胜25名人类医生。如...

680

扫描关注云+社区