-
前言
世界各地的众多研究团队都在研究能够像人 一样在环境 移动的双足机器人。
这种研究可以为军事探索、搜救 应用 送货服务等多个领域带来好处。
说这些机器人在外观上像人可能有些夸张,但是他们平衡自身以及实时调整动作的机制与人类和动物非常接近,
而这些机器人创造者的灵感也是来源于此 -
解决难题
保持平衡的同时更快、更有效地移动 ——既保持平衡又不牺牲速度
适应环境和外部刺激
在复杂环境中,像人类一样抗干扰地行走和跑步的能力
不依赖人类感知和决策能力自主性行走 -
竞争公司/团队
波士顿动力公司 Boston Dynamics —— Handle -
双足轮式机器人
-
拥有非常规美感
-
多种领域拥有巨大的应用潜力
-
不平坦的地形上保持稳定 崎岖的地形上行走 相对平坦 通过两个车轮行驶
-
拾起和运送重物、跳过障碍物
-
四条腿实现大幅度跳跃
-
极佳的平衡感
-
韩泰未来科技–Method-2 ---->The Sun
允许人类在机器人内控制其动作的双足机器人 ——载人双足机器人
具有行走、镜像内部操作人员手臂运动的能力
用于灾区和危险场所,为操作人员提供保护 -
Agility Robotics – Cassie -->Oregon State University
步态类似于鸵鸟的全新双足机器人
最有效的运动方式的结果 并非刻意模仿真实世界的动物运动
自动化包装交付方式
自动化机器人以及自动化运输车辆将会大幅降低货物运输成本 潜在应用场景非常多样化
学术研究 、军事研究 -
美国宇航局–Valkyrie ------>MITCSAIL
让人类更接近一个重要的里程碑
将来帮助人类最终殖民火星的机器人奠定基础
对虚构的火星栖息地进行维修 -
波士顿 Boston Dynamics 动力公司–PETMAN
重现严格的运动和条件 测试军用防护服
模仿人类运动
控制温度、湿度和出汗来模拟防护服中的人体生理反应,一切旨在提供真实的测试条件
检测化学物质侵入衣服中的情况 皮肤内还嵌入了多个传感器
真实压力测试和数据 有助于研究人员改善在危险区域穿戴的服装设备
-
自主式”崎岖地形行走的机器人 ——机器人第一次在随机摆放的踏脚石上实现自主式动态行走
(机器人在距离和高度随机变化的石块之间的动态行走) -
利用最佳和非线性控制系统
-
设计机器人和反馈算法 ——安全可靠的方式在复杂的地形上实现精确的足迹放置
像“盲人”,研究人员需要向机器人提供周围环境的信息
例如下一块垫脚石的位置。 -
尝试将计算机视觉算法(包括深度分割和深度学习)
-
控制器集成
-
使得机器人能够对其周围环境进行推理并完全自主地发展自己的行为 ——改进视觉感知和步行控制的整合 自主性
不依赖于人类感知和决策能力的自主性 -
研究内容包括动力学,实时运动规划控制以及此类系统的设计
-
不接收视觉信息的情况下,在不平坦地形上行走的情况
-
为了实现快速灵活的行走,机电系统的全面设计至关重要。
-
这里研究人员将机器人的所有组件视为高度集成系统的紧密耦合部分。
- 关于硬件设计的一个最重要的问题是如何选择机器人的运动结构,
- 以实现自然,稳定和快速的行走
- 模拟和实验表明,额外的冗余DoF可以实现更自然,更灵活的行走模式,并扩展机器人的能力。
- 除了运动结构之外,研究人员通过定义进一步的设计目标以改善腿部动力学:
(1)足够的机械刚度,
(2)高质量中心
(3)腿部连杆的低惯性矩。
-
为了改善腿部动力学,研究人员为LOLA机器人的膝关节和踝关节开发了新的运动结构,
-
其中较重的部件(例如马达)位于髋关节轴附近
由于机器人的重量对全系统动力学有很大影响,
因此轻量化结构非常重要。
该项目应用的方法是将主要结构部件设计为由铝制成的熔模铸件。
- 机器人的分层控制框架结合了环境感知,导航和运动规划以及局部稳定和反向运动学的模块。
- 改进的自主性还需要更强的鲁棒性,灵活性和步行模式的在线适应性,以确保在各种步行情况下的稳定性。
控制系统设计
-
PID (proportion integration differentiation) 算法
-
平衡控制策略 “静态步行”(staTIc walking)
特点:
机器人步行的过程中,重心(COG,Center of Gravity)的投影始终位于多边形支撑区域(support region)内
好处在于:
机器人可以在行走动作中停止而不摔倒,但代价是行动速度非常迟缓
(每一步需要花费10 秒甚至更长,因为需要保持重心的投影始终位于支撑区域,否则将不稳定)。
- 因为静态步行和人类的期望相差甚远,于是人类开发出来了另一种
步行平衡策略——“动态步行”(dynamic walking)
在动态步行中,机器人的行动速度被提升至了每步不超过 1 秒。但其弊端也是显而易见的,
机器人难以在运动的状态下立即停顿(惯性的作用),从而使得机器人在状态转换的过程中变得不稳定。
为了解决惯性带来的影响
零力矩点(ZMP,zero moment point)被引入到了这一控制策略中。
在单脚支撑相中,ZMP=COG。
其好处在于,当 ZMP 严格的存在于机器人的支撑区域中,机器人则绝对不会摔倒。
双足平衡的主流——基于 ZMP 的动态步行
现在双足平衡的主流是用基于 ZMP 的动态步行。
从上述的基本内容来看,
双足机器人的一条腿就可以抽象成控制系统中最基本的“倒立摆”模型。
由于复杂地形的双足平衡无法由单一的控制器实现,
所以多个控制器的切换策略被用于解决平衡问题。
在这一个策略中,机器人的行走被设定为一个周期(cycle)
每一个周期被分成了不同的行走阶段(stage),
如下图所示:
直立姿态控制器(Upright Pose Controller )
这种控制器可以使机器人在倾斜地形中始终保持直立姿势,
从而保持整个机体的平衡。
对于双足机器人而言,倾斜地形的“全局倾斜角”的测量就显得尤为重要。
一般采用的测量方法是在机器人的躯体内部安装一个 2 轴的加速度计,
再加上一个低通滤波器就可以构成一个倾斜计。
对于机器人的俯仰姿态控制,在规定的踝关节轨迹上,直立姿态控制器附加了含有俯仰误差的 PI 控制器