腳踩風火輪，輪-腿混合式複雜地形ANYmal機械人首次亮相
- 2019 年 10 月 7 日
- 筆記
機器之心報道
機器之心編輯部
四足機械人走得慢，輪式機械人容易被石頭擋住，那麼怎麼讓機械人走得又快又順利呢？可以穿輪滑鞋啊！
這是 ANYmal 機械人給出的最新解決方案，論文一作是蘇黎世聯邦理工學院的博士研究員 Marko Bjelonic。這種腿和輪子混合的機制意味着該機械人不僅能夠在光滑的平面上迅速移動，同時也能跨越擋在路上的障礙物。它跨越障礙的能力比輪式機械人強，同時又比腿式機械人走得快，就像一個人穿了輪滑鞋。
研究人員表示，這是全球首個應用在實際任務中（DARPA 機械人地下挑戰賽）的輪式-腿式混合驅動機械人。
ANYmal「輪滑」機械人跨越木板。
這款機械人能在腿式和輪式兩種運動方式之間快速切換，動作非常流暢。
ANYmal「輪滑」機械人在輪式和腿式之間切換。
此外，他還能走出實驗室，挑戰一些複雜地形。
ANYmal「輪滑」機械人在 DARPA 機械人地下挑戰賽中挑戰複雜地形。
不斷升級的 ANYmal 機械人
來自蘇黎世聯邦理工學院（ETH Zurich）的 ANYbotics 今年初曾因為一款四足機械人 ANYmal 聞名於世，這款機械人可以爬行、快跑、跳躍、從跌倒中爬起、爬樓梯、穿越/清除障礙物。它似乎比波士頓動力的 SpotMini 適應性都強。很快，ANYmal 的論文登上了 Science 子刊《Science Robotics》，研究人員表示，這款機械人使用了深度強化學習技術。
四足版的 ANYmal。
利用在模擬中訓練的策略，ANYmal 獲得了之前方法無法實現的運動技能：它能精確、高效地服從高水平身體速度指令，奔跑速度比之前的機械人更快，甚至在複雜的環境中還能跌倒後爬起來。
不過這還遠不是最終版，研究人員最近給 ANYmal 的四足裝上了輪子，這種方式讓它相比所有其他機械人有了更大的通用性：
該團隊已將這款機械人的研究論文提交至 2020 IEEE 世界機械人與自動化大會（ICRA），標題以一首歌為開頭：《Rolling in the Deep – Hybrid Locomotion for Wheeled-Legged Robots using Online Trajectory Optimization》。
論文鏈接：https://mbjelonic.github.io/publications/files/2020_ral_bjelonic.pdf
下面就讓我們看一看這款機械人具體採用了哪些技術以及如何實現操控的。
如何跑得又快又穩？
一般而言，腿式機械人能夠適應具有挑戰性的環境，因而也能夠在各種類型的地形下實現操控。科學研究和工業應用通常強調復現性，從而改進機械人系統的硬件設計和算法途徑。即使進行了大量的研究，傳統腿式機械人的運動性能能否完美適應並克服其天然阻礙物依然是一個難題。
在這種情況下，輪子就可以擴展這些腿式機械人的性能，尤其是速度，這對挑戰性環境中需要機械人展現速度和遠距離運動性能的任何任務而言都非常重要。基於這種想法，該團隊研究者對輪式-腿式混合機械人進行了運動規劃，以在各種類型的地形環境中實現動態混合運動，既能行走跨越障礙物，又能藉助輪子快速滑動前進。
圖 1：全扭矩控制的四足機械人 ANYmal 安裝了四個非轉向型、扭矩控制的輪子。圖上：ANYmal 跨越木塊；圖中左：ANYmal 在不平的地面上行走，圖中右：ANYmal 的輪子上安裝鏈條，可以在泥地上行走；圖下：ANYmal 在 2019 地下挑戰賽中（DARPA Subterranean Challenge）中快速繪製地圖、導航和搜索動態地下環境。
在線軌跡優化框架
研究者提出了一個在線軌跡優化（TO）框架，通過將問題分解為單獨的輪子和基本軌跡優化來打造一個能以模型預測控制（MPC 模）方式奔跑的輪式-腿式機械人。對於動態一致的運動，該輪式 TO 需要考慮輪子的滾動約束，而基礎 TO 則考慮機械人在運動期間的平衡，此處用到的是零力矩點思想（zero-moment point，ZMP）。一個分級的 WBC 通過計算所有關節的扭矩命令來跟蹤這些運動。該混合運動框架通過以下方式擴展了輪-腿機械人的能力。
- 該框架適用於各種各樣的步態，如靜態穩定步態、動態穩定步態以及 full-flight phase 步態等、
- 研究者以毫秒為單位切換機械人的兩種運動方式。由於這種切換頻率非常快，機械人可以穩健地對抗無法預知的干擾，使其在現實世界的部署成為可能。
圖 2：運動規劃和控制結構演示。運動計劃基於 ZMP 方法，該方法考慮了優化的輪子軌跡和機械人的狀態。分級 WBC 優化了整體加速和接觸力，追蹤操作空間推理。最後扭矩數據被傳送到機械人處。由於採用分層結構，輪子 TO、基礎 TO 和 WBC 可以實現並行。
圖 3：車輪基本軌跡的草圖。
還能跑得更快
為了提高新平台的可靠性，研究者正計划進一步提高硬件的成熟度，如增加車輪的抓地力。此外，如何設計能夠在車輪模式和行走模式之間自由切換的 AI 算法也是一大挑戰。目前，ANYmal 在前進時使用的還是類似於輪滑的小跑+車輪滑動模式，如果在平坦的道路上實現純車輪滑動前進，則前進的速度和穩定性還能夠進一步提高。
參考鏈接：
https://www.youtube.com/watch?time_continue=7&v=ukY0vyM-yfY https://mbjelonic.github.io/publications/files/2020_ral_bjelonic.pdf
本文為機器之心報道，轉載請聯繫本公眾號獲得授權。
