浙江大學熊蓉教授:仿人機器人研究的三大關鍵技術 | CCF-GAIR 2018

雷鋒網(公眾號：雷鋒網)按：2018 全球人工智慧與機器人峰會（CCF-GAIR）在深圳召開，峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）承辦，得到了寶安區政府的大力指導，是國內人工智慧和機器人學術界、工業界及投資界三大領域的頂級交流盛會，旨在打造國內人工智慧領域最具實力的跨界交流合作平臺。

CCF-GAIR 2018 延續前兩屆的「頂尖」陣容，提供1個主會場和11個專場（仿生機器人，機器人行業應用，計算機視覺，智能安全，金融科技，智能駕駛，NLP，AI+，AI晶片，IoT，投資人）的豐富平臺，意欲給三界參會者從產學研多個維度，呈現出更富前瞻性與落地性相結合的會議內容與現場體驗。

在大會次日的仿生機器人專場論壇上，浙江大學智能系統與控制研究所機器人實驗室主任熊蓉教授帶來了題為《仿人機器人關鍵技術研究》的主題演講。

她談到仿人機器人的三種優勢：

• 更容易在人機互動中被接受

• 更適合於人類生活環境

• 更適應於使用人類工具

仿人機器人的研究最早可以追溯到上世紀中期，先是模擬人的手臂功能，到後來才開始對雙足機器人的研究。浙江大學於 2006 年開始仿人機器人研究，2011 年 10 月，他們對外發布一個能打桌球的仿人機器人，這個機器人通過外部視覺對球進行識別和定位，進行精確的軌跡跟蹤。今年年初，他們團隊發布四足仿生機器人「絕影」，也引發極大關注。

目前，他們圍繞機器人的高精度控制做了一系列工作，如創新性的彈性仿生機構、擬人運動規劃、動態平衡控制，下一步，他們考慮將在輪式移動機器人上做的一系列研究與腳足式機器人相結合，實現智能移動。

以下為熊蓉教授的演講原文，雷鋒網做了不改變原意的編輯整理。

非常高興有這樣一個機會來介紹我們近期在仿人機器人方面做的工作和取得的進展。仿人機器人是對人類的形態和功能進行模擬的機器，可能是各種機器人中最符合大眾想像的一種。

這種機器人的類人外型和功能具有多方面優勢：一是在人機互動中，它們的外型使得人類更加願意接受，更願意與其進行對話交流；第二是模擬人的雙足行走能力，我們知道人的雙足可以非常靈活地適應各種不同的地形，包括室內的臺階和室外不平整的環境；第三是對人的手臂和手的模仿，通過類人的手臂和手，可以讓機器人更容易適應人類為自己設計的工具。

日本福島核電站事件的時候，日本、美國、德國都曾派機器人過去，希望能關閉閥門，探測裡面的情況。非常遺憾，當時派進去的都是履帶式機器人，雖然有一定的爬坡能力和不平整地面適應能力，但是在任務執行過程中還是失敗了。

所以，2012 年美國 DAPRA 啟動了 Robotics Challenge 比賽，要求機器人開著車到事故地點，下車找到閥門進行關閉。機器人需要能夠找到破障工具破牆，能夠越過廢墟地帶，並且可以上樓梯。要完成這樣一系列任務，仿人外型是最能夠符合的，所以基本上所有參賽隊伍都採用了仿人型的機器人。成績最好的幾支隊伍還結合了混合式的運動模式，提高在平整地面上的運行效率和作業時的穩定性。因為仿人機器人本質上是不穩定性系統，容易摔倒，有很大的挑戰性。

機器人早期研究中，仿人的研究是分離的。最早是模擬人的手臂功能，形成了工業機器人這樣一系列的應用系統。對人雙足進行模擬的第一臺機器人於 1969 年問世，由日本早稻田大學的加藤一郎研究，用液壓驅動，控制、供電都在體外，行走緩慢。

上世紀 90 年代，日本本田研發出阿西莫機器人，於 2000 年實現了 3 公裡/時的行走速度。除了日本以外，德國、韓國、中國、美國都開展了仿人機器人研究，其中最著名的是阿西莫機器人，最快可以實現 9 公裡/時的仿人行走。另外是阿特拉斯，能夠適應室外不平整地面，而且可以做後空翻的擬人運動。

對仿人機器人的要求有靈活、快速、穩定、高能效（即低能耗），並且逐步結合智能作業。圍繞著這些研究目標，相關的研究內容包括仿生機構設計、關節驅動設計、身體關節的協調運動規劃、對不平整地面外力擾動下的控制，智能作業、智能移動等。

浙江大學於 2006 年開始仿人機器人研究，2008 - 2011 年有幸承擔國家 863 重點課題。我們面向這樣一個本質不穩定系統，需要能在線、快速、連續地跟動態運動的桌球實現交互。在這一作業裡面，主要需要解決的是仿人機器人快速靈活的運動，全身的協調運動規劃，以及在手臂加速度很大，對身體有很大的反作用力，雙足的支撐力很小的情況下，實現平衡控制。

2011 年 10 月，我們對外發布了一個仿人機器人，這個機器人身高 1.65 米，重 56 公斤，共有 30 個自由度，通過外部視覺對球進行識別和定位，進行精確的軌跡跟蹤。視覺識別預測時間誤差在 4 毫秒內，距離誤差在 1 釐米內。他的手臂速度比較快，可以正反拍交替，也能適應不同的球速（從 3 米/秒到 12 米/秒）。

我們發布以後得到廣泛關注，第一位來我們實驗室跟它對打的老先生來自山東威海，他一開始不是很相信，跟這個機器人對打了一個多小時。

我們也做了雙機器人的對打，比起與人對打，雙機器人對打比較簡單，人可能會忽前忽後、忽快忽慢，機器人打球的時候是無法移動的。

我們也參加了一些國家的展會，美聯社、路透社、美國地理頻道等都為我們做過專題報導。我們當時完成的技術，包括對運動目標的識別、預測，以及機器人在運動過程中如何確定跟球、桌之間的關係，實時自定位。還有如何做到質量輕、剛性強、速度快，如何提高機器人的控制響應能力，多關節的運動規劃能力和穩定平衡控制。

仿人機器人是很好的技術平臺，裡面的視覺識別、手臂規劃和自平衡技術都可以推廣到不同的系統裡。

當然，這裡還存在很多問題和遺憾。第一，腿足運動方面，我們的速度還是比較低，跟國際頂尖水平相比有較大差距；穩定性和適應性也比較差，如果地面不平整或者行走過程中有人推一下，機器人會很容易摔倒。第二，有很多人問我們機器人能不能打旋轉桌球，目前可以做到低速旋轉，但如果是高速旋轉，預測誤差會很大。第三，機器人基本上是在固定球桌的環境裡，還沒有實現複雜環境的智能移動。2012 年開始，我們主要圍繞前面兩個問題在進行研究，現在在開展第三方面的工作。

在腿足運動方面，我們主要提升的是對未知地面和外力擾動的自主適應能力，另外希望機器人從行走變成跑跳，提高行走速度。

之前系統適應性差的核心原因在於我們採用了高精度位置控制方法，這要求我們的機械結構必須具有足夠的剛性，運動模型要足夠精確。這種剛性結構使得地面反作用力直接傳到機器人身體上面，從而導致它非常容易不穩定。我們也知道這樣一個複雜的系統很難精確的建模。由於對 ZMP 模型的依賴，我們發現它要求支撐域很大，而且它的控制比較難以融合。

我們看一下人是怎麼做的。動物運動的基礎是由力控制的，人的行走並不是剛性作業，很多柔性的肌腱、韌帶、脊椎，都對我們的行走起到非常大的作用。

因此，在這樣的分析之下，我們 2012 年開始把高精度位置控制的思想完全摒棄掉，用柔性力矩控制做新一代的仿人機器人，開始彈性仿生機構研究，模擬人的力控運動規劃以及運動動態平衡控制，提升穩定性，實現跑跳運動，有效降低能耗。 

我們在這裡用了 SEA 關節，這是 1991 年由 Pratt 提出的。

我們主要設計了新的平面扭簧，根據關節的彈性需求進行靈活的調整，並可以嵌入到關節中。在關節設計基礎上，我們做了力位混合控制，在力矩控制基礎上結合神經網絡和卡爾曼濾波的方法進行位置和速度控制，特別是提高負載和相位變化自適應。

我們模仿人的腿設計單腿機器人，在小腿和大腿上，除了關節裡面有彈性單元，還增加了彈簧，模擬人的肌腱，減少地面的衝擊，降低對關節做工的要求。

我們首先實現了單腿的跳躍，這裡借鑑了人的運動方式。對於人的運動，我們用運動捕捉儀進行數據獲取和分析。我們發現人在運動的時候，各個關節的協調性有一定規律。在跳的時候，落地壓縮和落地伸展過程中，膝關節和踝關節的角速度是相反的。我們模擬人的特性，以能量最優做各關節彈性最優的匹配，能夠降低能耗。在軌跡規劃的時候，我們也兼顧到能耗和姿態平衡。原來的軌跡比較機械，優化之後自然地形成了擬人的收腿動作。

下面是 2014 年實現的單腿跳躍機器人，跳躍高度達 35 釐米，超過了當時做的最好的 ETH，人是 0.2，我們單腿做到 0.29。

在單腿基礎上我們研究了雙足的運動。我們也是用虛擬模型進行身體軀幹的控制，因為人在行走過程中往往是對自己的軀幹進行控制，根據軀幹的控制來生成腿的運動。這也是國際上常用的一種方法，我們進一步把人的運動特性，速度和步長之間的關係融合進去，從而適應不平整地面和外力擾動。

我們根據力的規則，採用地面衝量模型，通過仿真獲得衝量輪廓，再延伸到實物機器人上，用機器人學習的方法來調整衝量輪廓，在運動的時候對衝量輪廓進行跟蹤。

在動態平衡控制上，我們一個主要工作是動力學模型參數在線辨識。

因為機器人在運動過程中特性總是在發生改變，這些小的改變可能對控制造成很大影響，作業時也可能產生質量變化。基於此，我們做了動力學模型參數在線辨識，適應質量的變化和外力的擾動。

在多模型融合的柔性平衡控制上，我們採用 CP 點+飛輪模型+虛擬力控制的方法，當存在外力擾動的時候，通過踝關節和身體關節實現平衡，在運動的過程中可以通過跨步策略實現平衡。

最後，在跑跳過程中如何去實現平衡控制，這個方法比較複雜，這裡就不展開了。

我們目前實現的雙足仿人機器人與前一代相比速度更快，達到 3.6 公裡/時，在行走中融合了跑跳的模式，可以實現室內外行走，機器人現在是全盲行走，由於落腳點的調整，方向會走歪，我們有柔性控制的方法，當它走偏了，人拉一拉它，又會走回正道上。

在這個過程中我們也與企業有著合作，研發出四足機器人，並在今年春節之前為慶賀狗年進行了發布。這裡有很多基礎的方法和原理是類似的，不過在具體的實現設計上不同。這個機器人可以達到 6 公裡/小時的行走速度，能夠適應不平整的地面以及雪地、冰地。在人揣它的時候，它也不會倒，當然，揣得太大力還是會倒。SpotMini 也有做這方面的研究，從運動的靈活性來講，SpotMini 做得非常好。

我們在高速旋轉桌球上做了準確預測和運動決策方面的工作。航空航天的太空垃圾很難捕捉，因為這是翻滾的目標，模型非常複雜，有很多的量我們沒有辦法預先得到，也很難觀測。我們以旋轉飛行桌球作為類似的對象來開展這方面的研究。我們對球上的自然標記進行識別、定位、跟蹤，把數據擬合起來，計算它的旋轉方向和旋轉速度，在國際上首次實現了對高速旋轉桌球的準確預測和接打。

在這個基礎上，我們進一步研究了不看球上的標記，只是看它的空間飛行位置來預測旋轉飛行軌跡。這依賴於我們對飛行模型和碰撞模型的準確建模。我們改變了原來離散的模型，推導得到了連續的模型，再利用機器學習的方法得到模型的係數，對 700 多個球預測的精度（5 釐米內）達到 95.55%。

現在我們基於強化學習進行回球決策。

下一步，除了這些方面的工作，我們也在考慮把原來輪式移動機器人上做的一系列技術（環境感知、大範圍環境地圖構建、對地圖中各種障礙物的識別、機器人導航、定位）跟腿足式機器人結合起來，實現在環境中的智能移動。

我的介紹就到這裡。謝謝大家，也感謝我的團隊。

雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。