机器人快跑!伯克利和CMU联合开发两足机器人,两条细腿,一马平川

大数据文摘出品

编译:蒋宝尚、halcyon

还记得波士顿动力那些灵活的机器人么,避障碍爬楼梯甚至送快递,在各种地形随意穿梭。

现在,加州大学伯克利分校和卡内基梅隆大学的实验室研发出了一款更灵活的腿形机器人ATRIAS,它们可以像人类一样可以在崎岖的地形上行走,跨越障碍物,并且,不会受障碍物高度和相隔距离的影响。

也就是说,即使地面环境是随机变化的,这种足式机器人也能顺畅地行走。

这就非常厉害了!

对足形机器人,特别是目前还是“盲人”的机器人来说,在地面上如何“下脚”是有严格的算法控制的。而这些算法对凹凸不平的地面环境的适应性不是很友好。

那么设计这款机器人最大的挑战是,如何优化离散立足点的控制算法。

如此灵活的机器人,其背后由复杂的动力学方程控制。具体来讲是利用了最新的非线性控制算法。

而加州大学伯克利分校和卡内基梅隆大学做出的最新进展很好的解决这种矛盾,让足式机器人能够在随机变换的障碍地形中,顺畅的行走。

点击观看实验视频☟

视频内容

为什么是足式机器人?

从波士顿动力的网红机器人Atlas,到伯克利的ATRIAS,足式机器人无疑近期机器人行列中的“C位”。这一地位的获取是有原因的。

根据行走方式,机器人可分为轮式、足式、履带式及混合式。轮式机器人主要适合平坦的路面,具有高速移动性能,但对复杂的地形却无能为力;履带式机器人能更好的适应松软的地形,如土地,缺点是对高度落差较大的地形无能为力;足式机器人几乎可以适应各种复杂的地形,缺点是移动速度较低,且由于重心原因容易侧翻。

世界上大部分地形属于复杂地形,对于复杂的地形足式机器人有着明显的优势,所以足式机器人的研究有着广阔的发展前景。

足式机器人最值得探索的地方也正在于此——能够在非结构化和不平整的地形上航行。

图:ATRIAS双足机器人用不同的步长和步高在随机离散地形上行走

它们比轮式机器人灵活得多,轮式机器人很难在有空隙或高度有重大变化的地形上导航,而双足机器人能够穿越离散和不可预测的地形,这使它们成为了空间探索、灾难响应以及城市环境中个人机器人的理想候选者,这些机器人需要在为人类设计的离散地形上行走,比如楼梯或跳板。

为了促进机器运动技术的进步,也有不少奖项设立,比如W奖。此奖项是对机器运动中最先进技术的挑战,例如对台阶和楼梯的攀爬、在不超过10,000秒的时间内行驶10公里等等。

虽然这些年来,足式机器人的机械设计和控制策略有了显著的改善,但是仍然没有在现实世界中真正使用。目前最先进的机器人依然在准静态地面运动速度缓慢,而且抗干扰能力弱,对能源的利用也是效率低下。

对于下肢外骨骼来说,跨越离散地带也是一个难题,目前的解决方法是,用户添加额外的平衡机制,比如说拐杖,但是即便这样也不能实现完全的自主行走。这一点也在最近的Cybathlon外骨骼竞赛中得到了体现。

通过设计机器人和反馈算法,使得机器人能够以一种安全、可靠的方式在复杂的地形上实现精确的足迹设计,我们能够将这种新的机器人应用到实际生活中,并且将这些想法转化成增强人类能力的生物电子设备。

为什么在跳板上的动态行走这么难?

伯克利大学的混合机器人小组一直致力于为高自由度双足机器人开发正式的控制框架,这种框架不仅能保证在离散地形上精确的步进位置,还能对不确定性和外力建模保持鲁棒性。这些方法独立于特定的机器人本身,并在RABBIT、ATRIAS 和DURUS等多种机器人模型上进行了仿真测试。

此外,这些机器人提前并不能“知道”地形会是什么样子;只有下一步的位置会显示给机器人,这个场景很好地描述机器人在现实世界中可能遇到的情况。

伯克利研究组在ATRIAS双足机器人平台上测试了控制算法,并能够实现在不同离散随机地形上的动态行走,步长在30至65厘米不等,步行高度(抬腿)为22厘米,同时保持平均步行速度为0.6米/秒。

可以说,伯克利的ATRIAS是双足机器人上首次,在步长和步高同时变化的跳板上,完成了动态行走。

为什么离散行走在机器人中如此困难?

首先,两足机器人是高自由度系统,其运动由复杂的非线性微分方程控制,这些方程描述了机器人与地面相互作用中的混合动力:机器人必须通过不断地与周围环境进行接触和打破接触来与环境互动。

此外,ATRIAS是欠驱动的,这意味着它在脚踝处没有驱动器。你可以想象一下踩着跳板或者踩着高跷爬楼梯:保持平衡的唯一方法就是一直走下去。

跳板的问题也对脚的放置有严格的限制,当然在现实世界中,这些跳板也可能会倒塌(在不久的将来我们将会解决这个问题)。此外,机器人还必须在其他物理约束下工作,如电机转矩限制和摩擦(机器人不能滑倒)。所有这些约束相互作用,使得控制设计过程变得非常重要。

跳板问题已经得到了广泛的研究,在像Valkyrie和ATRIAS这样的机器人身上取得了令人印象深刻的成果。但是不同的地方是,伯克利的方法允许动态行走,而不是机器人倾向于使用的缓慢的准静态运动。

通过对系统动力学中的非线性进行推理,并利用最近最优控制和非线性控制技术的进展,伯克利小组可以在提供形式的稳定性和安全性保证的同时,以简单紧凑的形式指定控制目标和期望的机器人行为。这意味着,这种机器人可以在离散的地形上行走,而不会滑倒或摔倒。

下一步的研究

目前,ATRIAS还是“盲人”,需要向他们提供关于它周围环境的信息,比如下一个跳板的位置。伯克利研究组称,他们现在正致力于在控制器中集成计算机视觉算法,比如深度分割和深度学习。

这将允许机器人对周围环境进行推理,从而开发出一个完全自主的系统。随着一个名叫Cassie的新机器人抵达伯克利,其计划将实验结果扩展到在真实世界的跳板上进行3D行走。

从长远来看,这项研究将有助于双足机器人在室内环境(如楼梯和狭窄的走廊)以及室外环境(如丛林小径)中自主导航。研究的关键部分包括安全性、鲁棒性和灵活性,也就是说,我们希望我们的机器人能够在“正确”的位置上行走,以防止它们跌倒,同时对意想不到的外力和干扰保持鲁棒性。

这种技术的潜在应用有很多:在搜索和救援中,可以部署自动人形机器人而不是人类救援人员;在探索未绘制地图/未探索的区域时(比如在表面高度不均匀的其他行星上),或者在家中作为个人机器人。此外,为两足机器人开发的方法也可以转化为增强人类的机器人设备,比如下肢外骨骼。

相关报道:

https://spectrum.ieee.org/automaton/robotics/robotics-hardware/dynamic-walking-on-stepping-stones

今日机器学习概念】

Have a Great Definition

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2018-06-29

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

来自专栏大数据文摘

可视化| 抗癌新进步:从热迹视角观察细胞内部

2116
来自专栏新智元

AI 算法已趋同?亿分之一的人脸识别辨识度意味着什么?

1853
来自专栏PPV课数据科学社区

【聚焦】大数据讨论 值得你思考的问题!

  1,大数据的运用-案例   CieloMar:CaRRot能不能例举一个你们公司里大数据分析的例子,以及如何定价  CaRRot:数据公司的实用案例: 我就...

2754
来自专栏大数据文摘

盖茨、马斯克都遵循的终身学习法则:知识不是由学科划分的

1514
来自专栏镁客网

堪比魔法水晶球!人工智能变身“占卜师”

1614
来自专栏镁客网

AI也会性别歧视吗?

对于一直寻求智能化的亚马逊而言,仅在仓储和物流管理上使用AI技术是远远不能满足的,因此这项2014年启动的AI招聘原本是亚马逊探寻进一步智能化的实验,却偏偏出了...

742
来自专栏ATYUN订阅号

迪士尼Stuntronics机器人像超级英雄一样在高空表演疯狂的特技

迪士尼最新的Stuntronics机器人实验包括教机器人爬行,现在,更令人印象深刻的是,它们能执行大胆的空中杂技。

1144
来自专栏新智元

脑容量vs脑结构,谁决定智商高低?

新浪科技讯 北京时间10月21日消息,据国外媒体报道,几个世纪以来,科学家一直就脑容量大小是否决定智商的问题争论不休。奥地利维也纳大学研究人员最新发现,脑容量与...

3249
来自专栏数据科学与人工智能

【机器学习】机器学习创业机会在哪里?

机器学习淘金热正在到来!Libby Kinsey 是 Nesta 资本的投资经理,关注技术创新已经有 12 年。她根据自己的观察,总结出这波淘金热的创业机会,其...

37010
来自专栏AI科技评论

学界 | 20年后的机器人不如猫?Google的AI专家和Amazon的VP打了一个赌

“很多人预测在20年内出现人类水平的人工智能,我认为这太乐观了。我愿意打一个赌,赌20年内,我们的技术不足以制造出一个感觉运动控制能达到家猫水准的机器人。” 想...

2857

扫码关注云+社区

领取腾讯云代金券