比爬楼梯更难!伯克利CMU让双足机器人在乱石间跨越行走

2018 年 6 月 30 日 未来产业促进会


点击上方“公众号”可以订阅哦!


来源:IEEE spectrum

编辑:克雷格


【导读】最近,加州大学伯克利分校和卡内基梅隆大学,展示了ATRIAS足式机器人能够在随机变换的障碍地形中行走的过程:尽管踏脚石高度和之间的宽度随机变化,但ATRIAS可以像人类一样行走,完美跨越。


与人类及大多数陆地动物一样,腿(足)式机器人需要能够在崎岖的地形上移动,以便在灾难响应、搜索和救援等应用中发挥作用。


然而,设计能够处理离散立足点(像碎石或踏脚石)的控制算法是具有挑战性的,因为这对脚的放置有严格的约束,并且这些系统的运动是由复杂的动力学方程控制的。


加州大学伯克利分校和卡内基梅隆大学的实验室通过利用最佳和非线性控制系统的新进展,展示了ATRIAS机器人在踏脚石上行走的动态过程,即使这些踏脚石和它们的高度之间的距离是随机变化的,ATRIAS机器人可以像人类一样行走,完美跨越。




“一步一个脚印”:双足机器人成功实现了在步长和步高同时变化中行走



加州大学伯克利分校的Hybrid Robotics Group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,而且还能对不确定性和外部力量进行建模。这些方法独立于特定的机器人本身,并已经在各种机器人的模型上,包括RABBIT、ATRIAS和DURUS,进行了(模拟)测试。



此外,这些机器人并不提前“知道”地形会是什么样子,只有下一步的位置才会显示给机器人,这个场景能够很好地描述机器人在现实世界中可能遇到的情况。


团队通过ATRIAS双足机器人平台上对控制算法进行了实验测试,它能够在随机变化的离散地形上实现动态步行,步长在30到65厘米之间变化,步高需要向上/向下22厘米,同时保持0.6米/秒的平均步行速度。



研究团队认为,这是第一次演示了双足机器人在步长和步高同时变化时成功动态行走。


为什么离散行走在机器人中如此困难?


首先,双足机器人是高度自由的系统,其运动由复杂的非线性微分方程控制,这些方程捕获了地面相互作用的混合动力:机器人必须通过不断地与周围环境进行接触来与环境互动。


此外,团队使用的机器人,比如ATRIAS,是欠驱动的(underactuated),这意味着机器人的脚踝没有驱动器,只有定点脚。这相当于踩着垫脚石或者踩着高跷爬着楼梯,保持平衡的唯一方法就是一直走下去。



踏脚石也严格限制了脚的放置,而现实世界中这些垫脚石也可能会倒塌。此外,机器人必须在其他物理限制范围内工作,如电机扭矩限制和摩擦力(机器人不能滑动)。所有这些限制相互作用,使得控制设计过程变得非常重要。


踏脚石问题(stepping-stones problem)已经得到广泛研究,在Valkyrie和ATLAS等机器人上取得了令人印象深刻的成果。


该团队研究的不同之处在于,他们允许动态行走而不是机器人倾向于使用的较慢的准静态运动。通过对系统动力学中的非线性进行推理,并利用最优和非线性控制技术的最新进展,可以以简单紧凑的形式指定控制目标和期望的机器人行为,同时提供正式的稳定性和安全性保证。这意味着,机器人可以在离散的地形上行走,而不会滑倒或摔倒。


以下是视频:





未来:有望研发完全自主系统



团队的机器人目前是“盲人”,需要提供关于它周围环境的信息,比如下一个踏脚石的位置。团队现在正致力于集成计算机视觉算法,包括深度分割(depth segmentation)和控制器的深度学习。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。随着一个新机器人Cassie的即将抵达伯克利,团队计划将实验结果扩展到在真实世界的踏脚石上进行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(如树林小路)中自主导航。研究的关键部分包括安全性、鲁棒性和敏捷性,即希望机器人能够在“正确”的位置上行走,以防止它们坠落,同时对意想不到的力量和干扰保持强大的鲁棒性。


这种技术潜在的应用有很多: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;帮助探索其他行星上的未知区域,或在家中作为个人机器人。此外,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。


原文地址:

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



  注:投稿请电邮至124239956@qq.com ,合作 或 加入未来产业促进会请加:www13923462501 微信号或者扫描下面二维码:

  


  文章版权归原作者所有。如涉及作品版权问题,请与我们联系,我们将删除内容或协商版权问题!联系QQ:124239956

  

登录查看更多
0

相关内容

机器人(英语:Robot)包括一切模拟人类行为或思想与模拟其他生物的机械(如机器狗,机器猫等)。狭义上对机器人的定义还有很多分类法及争议,有些电脑程序甚至也被称为机器人。在当代工业中,机器人指能自动运行任务的人造机器设备,用以取代或协助人类工作,一般会是机电设备,由计算机程序或是电子电路控制。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
最新《深度学习自动驾驶》技术综述论文,28页pdf
专知会员服务
153+阅读 · 2020年6月14日
【ICML2020-哈佛】深度语言表示中可分流形
专知会员服务
12+阅读 · 2020年6月2日
少标签数据学习,54页ppt
专知会员服务
198+阅读 · 2020年5月22日
【ICMR2020】持续健康状态接口事件检索
专知会员服务
17+阅读 · 2020年4月18日
自回归模型:PixelCNN
专知会员服务
26+阅读 · 2020年3月21日
实战 | 如何制作一个SLAM轨迹真值获取装置?
计算机视觉life
11+阅读 · 2019年10月16日
无人驾驶仿真软件
智能交通技术
21+阅读 · 2019年5月9日
【机器人】机器人PID控制
产业智能官
10+阅读 · 2018年11月25日
【观点】薛建儒:无人车的场景理解与自主运动
中国自动化学会
8+阅读 · 2018年1月24日
雄安,人类历史上第一个人工智能城市正在崛起
全球创新论坛
5+阅读 · 2017年12月22日
Arxiv
9+阅读 · 2020年2月15日
DPOD: Dense 6D Pose Object Detector in RGB images
Arxiv
5+阅读 · 2019年2月28日
Adaptive Neural Trees
Arxiv
4+阅读 · 2018年12月10日
Arxiv
3+阅读 · 2018年10月11日
Physical Primitive Decomposition
Arxiv
4+阅读 · 2018年9月13日
Arxiv
6+阅读 · 2018年4月4日
VIP会员
相关VIP内容
最新《深度学习自动驾驶》技术综述论文,28页pdf
专知会员服务
153+阅读 · 2020年6月14日
【ICML2020-哈佛】深度语言表示中可分流形
专知会员服务
12+阅读 · 2020年6月2日
少标签数据学习,54页ppt
专知会员服务
198+阅读 · 2020年5月22日
【ICMR2020】持续健康状态接口事件检索
专知会员服务
17+阅读 · 2020年4月18日
自回归模型:PixelCNN
专知会员服务
26+阅读 · 2020年3月21日
相关资讯
实战 | 如何制作一个SLAM轨迹真值获取装置?
计算机视觉life
11+阅读 · 2019年10月16日
无人驾驶仿真软件
智能交通技术
21+阅读 · 2019年5月9日
【机器人】机器人PID控制
产业智能官
10+阅读 · 2018年11月25日
【观点】薛建儒:无人车的场景理解与自主运动
中国自动化学会
8+阅读 · 2018年1月24日
雄安,人类历史上第一个人工智能城市正在崛起
全球创新论坛
5+阅读 · 2017年12月22日
Top
微信扫码咨询专知VIP会员