在工業設施中,四足機器人的應用正在變得越來越普遍。能在我們日常生活中看到更多的這類機器人只是時間問題。顯然,當前四足機器人的流行正在加速這一進程。足腿機器人可以全向移動並通過跨步或跳躍和著陸來越過複雜障礙物,面對陌生複雜地形,該類機器人依然可以較好應對,但是商業產品仍然缺乏其輪式同類產品的速度、效率和可靠性,也正因此,對足腿機器人的研究大多在實驗室中。而對輪式機器人的運動能力的研究則更少了。
某六足腿機器人
輪子是人類文明的偉大發現之一。輪子的發現,極大的提高了人類在某些條件下的運動、運輸效率,輪子也因此被廣泛應用並具有較大的優勢。然而,我們自鳴得意的輪子優勢並沒有持續很長時間,機器人對輪子的熟練程度正迅速提高,而且大大超出了我們的想像。
設想以下兩種情況:人類穿上溜冰鞋;機器人裝上驅動輪。兩者之間最大的區別在於,通過對機器人適當的設計,其可以實現對輪子的有效控制,而這是人類永遠無法比擬的。
古代車輪
結合輪子運動的高效和足腿機器人較好應對陌生複雜環境的能力,輪腿機器人成為機器人研究領域的重點方向,具有極大的研究潛力。著名的波士頓動力(Boston Dynamics)的機器人Handle是典型的輪腿式機器人,而且其已經顯示出了對輪子的控制能力。不過,波士頓動力的Handle似乎還沒能充分利用它所擁有的優勢。在輪腿機器人領域,研究學者們更多嘗試進行新穎的簡化操作,以捕捉混合運動的動態,即同時行走和駕駛。但是,附加的自由度使這些簡化的模型難以設計。額外的自由度和自然界中缺少的同類學習使輪足機器人的運動能力設計極具挑戰性。
人類穿上溜冰鞋
波士頓動力Handle
瑞士著名蘇黎世聯邦理工學院的研究人員則對輪腿機器人進行了深入研究,提出了一種整體模型預測控制器,同時優化車輪和軀幹運動。該控制被應用到ANYmal輪腿機器人上,並取得了很好的控制效果,相關研究成果已經被提交到arXiv預印本網站。
ANYmal的四個輪子分別與它的四個腿部連接,運動過程中,四個輪子和與之連接的四個腿部在它進行的每個動作中都無縫地融合在了一起。這使得它即有輪子的高效運動特性,同時兼顧了應對陌生複雜地形的運動能力。
ANYmal四足機器人(無輪)
ANYmal四足輪腿機器人(有輪)
研究人員提出的控制策略流程圖如下圖所示:
控制策略流程圖
首先由人通過操縱手柄,給出指令運動,而後經過步態序列生成器得到步態序列,然後利用模型預測控制規劃出期望的運動,最後通過跟蹤控制器實現對ANYmal的有效控制。
相比與現有的方法,整體模型預測控制方法可以大大降低空間位置預估誤差。
整體模型預測控制方法預估位置誤差
現有方法預估位置誤差
由於基於運動學模型對關節速度和地面反作用力進行了實時優化,因此該方法可以準確地捕獲真實機器人的動力學模型,並通過啟發式方法自動發現繁瑣的動態運動。非周期性的步態序列可通過運動的腿部實用程序自動找到,而無需預先定義的接觸和提起時間。這能夠大大降低輪足機器人的運輸成本。
研究人員進行了多種環境下運動實驗,ANYmal可以順利完成上樓梯的功能,通過室內不同形狀障礙物的功能。
ANYmal四足輪腿機器人上樓梯
ANYmal四足輪腿機器人過室內障礙物
ANYmal四足輪腿機器人室內過障礙物
研究人員進行了快速前後換向運動的實驗,結果表明ANYmal可以實現±2m/s速度的快速切換。
ANYmal四足輪腿機器人前後換向運動
ANYmal四足輪腿機器人跳舞
通過抬起某兩條腿的實驗,結果表明ANYmal可以保證自己身體平衡穩定。
ANYmal四足輪腿機器人平衡
除了室內的實驗,研究人員還將ANYmal帶到室外進行實驗。全方面的實驗表明,在具有挑戰性的室內和室外環境中,帶有不可轉向輪的四足機器人具有極好的動態的運動性能。
ANYmal四足輪腿機器人室外運動
這裡最酷的事情是ANYmal可以動態選擇最佳混合步態,將輪子滾動和足腿踏步運動融合在一起。只根據車輪下方地形的感覺來進行「盲目」操作,而無需任何相機或雷射雷達輸入。如果車輪不再有效,則控制器會將那條腿切換為踏步運動,同時保持與其他腿部的協調。總體而言,這使得ANYmal能夠更快地移動,而不會降低其應對具有挑戰性的地形的能力,並降低了運輸成本,因為滾動比步行更有效。
一種新穎的步態序列生成器和整體模型預測控制器被設計用於四足輪腿機器人。該步態序列生成器不再需要預先定義的接觸和提離時序序列。而整體模型預測控制器可以在單個任務中確定機器人的軀幹和車輪運動,並根據運動學模型同時優化實時關節速度和地面反作用力。實驗結果證明,該方法提高了模型的準確性,並使機器人能夠自動發現複雜且高度動態的運動,而這些運動是無法通過手動調整的啟發式方法找到的。這也是四足輪腿式機器人ANYmal首次具有協調非周期性行為的能力,這降低了運輸任務的總成本。
在未來的工作中,計劃將接觸時間的優化功能整合到整體模型預測控制器中。最大的挑戰仍然是該方法的在線執行問題。
文獻信息
1. Bjelonic M, Grandia R, Harley O, et al. Whole-BodyMPC and Online Gait Sequence Generation for Wheeled-Legged Robots[J]. arXivpreprint arXiv:2010.06322, 2020.