鹅厂机器狗花式穿越10m梅花桩:前空翻、单桩跳、起身作揖…全程不打一个趔趄

机器狗会中国功夫是一种什么体验?

且看下面这只黑白狗,直接就是一个 花式过梅花桩:

 

瞧这单桩跳:腾空一跃,四脚稳稳落在前方小圆盘上,连个趔趄都没打。

当然,站立和起身作揖这样的传统技能也不在话下。虽然是在桩子上,但狗子完全能控制好力道不至于摔跤。

 

更别提下桩时,它还会耍一个完美的前空翻,稳稳落地结束表演。

 

真狗都很难做到吧~

如此身轻如燕的狗子很快就吸引了一波关注。

有人就表示希望再做大一点,这样就能当坐骑了。 (话说见过骑狗的吗)

 

还有网友想让它可以帮忙取快递…… (这还差不多)

所以,这只灵活的机器狗,到底什么来头?

三招功夫过梅花桩

它是Max二代机器狗,来自腾讯Robotics X实验室,今天正式对外亮相。

在一开始的训练思路上,腾讯的做法就和大众不同。

我们知道,学会适应复杂地形是大多数机器狗要学习的重要任务之一。

对于出现的踩歪、打滑等危险情况,业界一般做法都是采用 提?步频、减慢速度、加?控制算法鲁棒性的?段来恢复它们的平衡。

而腾讯选择机器狗在梅花桩这样“一旦踩歪踩错就没有挽救机会”的极端地形上练习,就是为了限制它们规划路线的误差范围。

 

这样一来,机器狗就能够做到一出脚就是对的,不需要试探、也 不需要多余的动作来维持或者恢复平衡,从而做到走得又快又稳。

那么,Max是如何做到每一步都找准桩?中?,精准完成各种高难度动作穿越梅花桩的呢?

1、识别地图和定位

Max面对的是一段全长10米,高0.8米(Max两倍身高),最小桩面直径仅10厘米梅花桩阵列。

在上桩之前,系统并不会给Max配备先验地图,也就是每次它面对的都是未知的地图。

为此,他们给Max身上配备了单?RGB摄像头、惯性传感器(IMU)、深度传感器等多种设备,所有传感数据融合在一起获得高质量的环境数据。

在各传感器数据融合过程中,一种启发式的算法被用来保证数据一致性,并通过合理评估和选择各种传感器数据在优化过程中的权重,保证定位实时、稳定并具有鲁棒性。

由于Max在移动过程具有速度快、步频?、?冲击?等特点,这会使得各种传感器数据出现大量噪声,引发干扰。

比如,在跳等动作的持续力冲击下,深度传感器就会出现 拖影现象。

因此,在地形的时域融合过程中,研究人员还引?了一个 统计分布策略,它能在?效过滤错误地形信息的同时,保留精确的有效地形区域结果,估计出桩?中?相对于机器?的精准位置,在?定程度上也能缓解梅花桩晃动带来的?扰。

建成的地形?度图可以获取平?任意坐标对应的?度以及局部法向。

 

2、规划最优行动轨迹

看准地形后,下?步Max要根据所?信息完成动作轨迹规划,最大的难点是如何在快速穿越的过程中,保证 实时规划出 最优的路线。

这里就采用了一种 6D最优轨迹?成技术。

所谓6D,除了X、Y、Z轴上的位置数据,还包括机器狗需要做出的偏航、俯仰和滚动维度的信息。

该生成技术可根据Max的运动步态、速度等指令,预估落脚点,并根据落脚点周边的地形?度图,选出最优的点,也就是桩面中心。

此外,系统还会结合最优点,考虑Max运动过程中的动?学约束、摩擦约束、?端?作空间约束等,进行?次优化,实时求解真正的最优6D轨迹。

对于跳跃、空翻这类动作,Max还需要达到的一个目标是 省?,即驱动?最?化。

这里就用到了一种 基于?线性优化的轨迹规划技术。

该技术可以兼容四脚跳(Pronking)和双脚跳(Bounding)等多样化步态,通过跳跃距离、跳跃步态、最?关节?矩等约束条件,得出结果。

3、控制动作,按轨迹精准落点

动作轨迹规划好后,Max就可以开始正式?动, 最大的考验是如何控制恰到好处的力、按照规划轨迹实现精准落点

在跟踪参考轨迹方面,Max 采用了最新版xMPC+WBC (Model Predictive Control and Whole-Body Impulse Control,模型预测控制和全身控制) 控制架构, 基于更精确的线性化动力学模型,效果更好。

而在力控方面,据研究人员介绍,一般来说,动作越是高动态、越是不稳,就越要求控制精度。

本次表演的动作中,每个环节都有自己的难度:

空翻属于高动态,作揖、双轮站立属于易失稳;而对于 单桩跳跃这个动作,机器狗的四?落脚点距离很近,?撑区域很?,收拢的腿部姿势也导致 Max的运动及发?空间受限,对力控的精度更是要求极高。

为了实现以上动作的精准力控,团队?研了一个 模型预测控制算法,并给Max加?了 基于关节?矩反馈的触地检测能?。

这个算法的相关论文登上了机器人领域顶会ICRA 2022。

 

对于平移运动的追踪,自研线性模型预测控制算法获得了和业界经典算法同等的控制效果;而对于旋转运动的追踪,其表现甚至比其他算法更优秀。

具体而言,这个算法利?轴?和指数坐标来表示旋转运动,成功规避了之前线性化?法中的多个近似性假设,如:??速度、转动惯量在预测窗?内时不变等。

最终保留了更多的参数,从?获得了一个更精确的动?学模型。

基于该动?学模型,研究团队进?步构建了模型预测控制 (model predictive control) 问题,通过求解?次规划 (quadratic programming) 的优化问题,来得出最优?端接触?。

此外,Max在做跳跃、前空翻等需要腾空的动作时,可利用关节?矩反馈来判断四肢触地状态,从而及时且精准地进?主动的质?轨迹规划与柔顺?控,有效避免身体大幅晃动,使整个动作看起来更流畅丝滑。

由此,借助以上三大招的功夫,Max二代完成了精彩的花式过桩表演。

去年,一代Max亮相,当时它就开创了腿轮一体化设计,让机器狗不仅能站起来,还能滑着走。

 

这次,二代Max不仅学会了在桩上表演各种难度动作,过桩速度也比国内第一个会过桩的四足机器人Jamoca快了4倍。

除此之外,硬件方面,Max的轮足切换功能也做了改进,磁吸式的腿部锁定机构升级为了机械式的,并增加了冲击力解耦设计,最终提高了轮足切换的稳定性。

以及Max的整体结构上也进行了拓扑优化,增加了电池功率,外形上看起来更加紧凑简洁,在整机强度、抗冲击性能等方面也有所提升。

研究人员表示,接下来,他们会基于Max这个四足机器人平台,探索更精准的传统控制和AI控制算法,最终让机器狗实现复杂环境下的任意行走。

狗子背后的实验室

看完了Max的精彩表演和它搭载的硬核技术,再来了解下这只机器狗的诞生地——

成立于2018年的腾讯旗下机器人实验室:Robotics X。

目前,实验室里一共“养”了两只“狗子”,除了Max还有一个叫 Jamoca的前辈,它是国内第一只学会走梅花桩的机器狗。

 

当然,除了“狗子”之外,这个实验室里还有其他机器人成员:

比如会花样空翻、灵活越障的轮式机器人Ollie。

 

可以保持平衡并自动驾驶的摩托车。

 

该实验室的负责人张正友博士,是著名的AI和机器人研究员,现任腾讯最高专业职级——17级科学家。

同时,他还是腾讯 AI Lab负责人,以及ACM Fellow和IEEE Fellow。

 

在加入腾讯之前,张正友曾任微软人工智能及研究事业部首席研究员和研究经理,在MSR工作了近20年。

正如前文介绍Max的未来发展方向所说,比起做简单、重复劳动的机器人,Robotics X更关注机器人的自主特性研究,注重于让其学会自主判断、自主决策等。

One More Thing

最后,一个小彩蛋:

如果你觉得机器狗遛起来没有灵魂,不妨看看这个场面。

 

虽为机器,Max二代却会“扑脚”、“撒欢跑”,是不是有点 遛真狗的意思了?

不过,这其实是Max二代内部AI训练完成后第一次测试时的样子,研究人员表示:

当时我们也不知道它会跑成什么效果,只是意外记录下了这个视频。

看来Max很有自己的想法啊! (Doge)

当然,如果想让它成为一只听主人话的狗, 通过指令即可对其发号施令。