下图是波士顿动力的知名机器狗 Spot,它能跳舞、当保全、牧羊、巡逻侦测,可说是样样精通。
最近 Spot 远赴乌克兰切尔诺贝利核电站勘察辐射污染分布时,瑞士 ANYbotics 公司的机器狗也亮相了。
这只红色机器狗据说也擅长于复杂地形行走移动。
这个新面孔名叫 ANYmal,最近登上《Science》子刊、名机器人期刊《Science Robotics》最新一期封面。
凭本体感受控制运动
10 月 21 日,一篇公开 ANYmal 机器狗如何在复杂地形如履平地的论文发表于《Science Robotics》,标题为“Learning quadrupedal locomotion over challenging terrain”(在具挑战性的地形学习四足移动)。
研究团队来自苏黎世联邦理工学院机器人系统实验室、韩国科学技术院机器人与人工智能实验室、英特尔智慧系统实验室。
上海交通大学教授、国家 973 计划首席科学家高峰曾在 2018 年世界机器人大会表示:
轮式机器人最终会走向足式机器人,而四足机器人有更佳运动能力。
正如论文介绍,足式运动可将机器人的活动范围延伸到极具挑战性的环境。不过传统足式运动控制器是依靠能明显触发运动运动原语和反射执行(motion primitives and reflexes)的“状态机”(state machines)。
可以说这种设计保证机器人在各种复杂场景以四足运动,但并未达到自然界动物的运动水准。毕竟高度异常的外框、种类多样的地形、容易打滑的表面或障碍物,都是潜在的阻碍因素。机器人可能因打滑失去平衡,甚至导致灾难性故障。
更严重的是,机器人无法获得地形物理特徴的准确资讯──相机、雷达等感受性感测器无法可靠测量物理特徴(如摩擦力、柔软度)。
针对这种情况,研究人员提出一种强健性控制器──运动控制加入本体感受回馈(proprioceptive feedback),回馈来自两种足式机器人最耐用可靠的感测器:联合编码器和惯性测量单元。
以前有团队透过以下两种成果,成功达成足式机器人应用于模拟到物理环境:
- 建模制动器等物理系统。
- 物理参数随机化:参数在模拟和现实环境会不同,这可使控制器对各种情况都有强健性,无需预先精确建模。
但研究人员模拟环境训练控制器后发现,ANYmal 仍然不足以在崎岖地形如履平地。故科研人员又引入三步骤。
- 时间卷积网络(TCN):可根据本体感受状态的延伸历史产生驱动。
- 特权学习:将训练过程分解为两阶段,首先训练一个能感测地形和机器人与地面接触情况的“老师”,然后“老师”指导纯粹本体感受的“学生”(即控制器)学习。
- 自适应“合成”地形:根据控制器在训练过程不同阶段的表现,综合形成对地形物理特征的准确感测,控制器最后会极具弹性。
机器狗可在各种地形小跑步
研究人员表示:
研究表明,无需精确建模或一系列危险又成本高昂的实地测试,ANYmal 的控制器就可驯服物理世界异常复杂的各种地形。
据了解,利用控制器驱动,两代 ANYmal 机器狗可在泥土、沙子、碎石、茂密植被、积雪、流水等各种环境小跑步移动,这种“测试环境”已超出之前所有足式机器人的研究范围。
看起来的确颇稳定的。
室内试验中,ANYmal 正在上台阶,高度为 16.8 公分,高于平坦地形正常行走时狗的腿部间隙。
DARPA(美国国防进阶研究计划局)机器人地下挑战赛其实也有 ANYmal 的身影。
竞赛目的是开发可快速绘制、导航和搜寻复杂地下环境(包括隧道、城市地下道和洞穴)的机器人系统。按规定,比赛期间操作人员不得协助机器人,仅允许远端操作,因此要求控制器较长时间需无故障执行。
ANYmal 和控制器表现没有令人失望:控制器长达 60 分钟的四阶段工作控制两台 ANYmal-B 机器狗,比赛中控制器失效率为 0。
下图显示比赛时机器狗如何爬陡峭的楼梯。
论文最后坦言,ANYmal 仅表现小跑步姿态,这的确比自然界四足动物的步态模式范围要窄。
不过研究人员也表示:
步态模式一定程度受机器人的运动学和动力学约束,ANYmal 未来会有多步态能力,多样性训练和目标可激发这些能力。
期待 ANYmal 未来变得更强。
-
Learning quadrupedal locomotion over challenging terrain
(本文由 雷锋网 授权转载;首图来源:ANYbotics)
延伸阅读:
- 波士顿动力机器狗进入德国药厂默克工作,可连续 2 小时巡查
- 福特汽车雇用 Boston Dynamics 机器狗,可爬高爬低完成工作
- 想雇机器狗帮忙工作?波士顿动力 Spot 开卖要价新台币 220 万
- 军用犬变牧羊犬?波士顿动力 Spot 机器狗到新西兰赶羊啦
- 波士顿动力 Spot 机器狗成对抗肺炎分诊、医病交流及消毒杀菌工具