陳根:雙足機器人新進展——能蹲伏能載重
文
/
陳根
雙足機器人曾是科幻文學和電影的主題
。
在非理想地形上,早期雙足機器人的形象通常是移動緩慢且笨拙
的
。
但是隨著科技的
發展
,
它們
開始
能夠
進行
更快、更有效地移動。現在,有些雙足機器人
已經
可以適應環境和外部刺激
。
雖然雙足機器人發展迅速,但是其在建模以及穩定性方面依然有很大的進步空間。
為此,
研究人員嘗試
透過強化學習來訓練雙足機器人
並獲得了成功
,
這在很大程度地增強了機器人的魯棒性。
事實上,
在傳統機器人研究中,
往往
需要
花費
很多時間和技巧給機器人建模,尤其對於
雙
足機器人而言,一旦自身性質和周圍環境發生改變,如電機壞了、地面摩擦力
改變
,模型
就
有可能就會失效。
此外
,對於雙足式的機器人系統
而言
,其非線性非常高,並且由於是高自由度的混合系統,每一次踏步都會受到地面衝擊力,因此
,
很難獲得精確模型
。
要想做一個實時控制演算法,就要使用相對完整的動力學模型。但是,即便具備好的模型,部署在非常高自由度的非線性系統上,也很難做到較快的實時計算。因此,使用傳統方法時,很多學者都會做出權衡取捨,比如
使
用簡化
的
模型來做演算法
控制
。
然而,
這樣做的弊端也很明顯:
一
方面,
其
無法完整利用動力學模型,
從而不能
充分發揮機器人系統的靈敏性;
另一方面,
基於模型的演算法,一旦超過
其
穩定區域,演算法
很容易就會
崩潰
。
所以,使用傳統方法制造出來的機器人在穩定性方面往往有所欠缺。
針對於此,研究人員用強化學習的方法來訓練機器人,
透過相對完整的機器人動力系統,在模擬環境反覆嘗試後,機器人獲得大量和環境互動的資料,從而學會用穩定步態行走。
研究
人員
主要使用
Python
對機器人
進行程式設計,由於是
雙
足機器人,演算法控制上會更難。
但
用強化學習的方法
訓練
,
研究出的
機器人步態演算法相比傳統基於模型的演算法,效能顯著提升
,
帶來的魯棒性也
更
強
。
該機器人
不僅能像人類一樣前後左右地走,還能蹲著走,也能承受意料之外的負載,更能從強行推動造成的失穩狀態中恢復過
來
。
在測試期間,
其
右腿的兩個電機
損壞了
,但它仍能調整其步行策略
去
適應。
魯棒性增強,
這也意味著,
相比其他機器人
,
該機器人擁
有更大的
應用
空間
。
未來,
在
發生地震時,
其有望
能在塌房中做救援工作;或者在
快遞業務中,可以充當快遞員的角色。
目前,相關論文《雙足機器人魯棒引數化運動控制的強化學習》(Reinforcement Learning for Robust Parameterized Locomotion Control of Bipedal Robots),已被機器人國際學術頂會 ICRA 收錄,將有望促進雙足機器人的進一步發展。
相關文章
- 2021-05-18【汽車人】鐳射雷達“上車”,整車廠投資介入
- 2021-05-16如何利用Transformer建立時間序列預測模型
- 2021-05-06比比看!Java時間和空間的複雜度演算法,3分鐘你能學會哪個?
- 2021-04-27手把手教你: 使用Oracle AutoML進行預測(實戰教程)
- 2021-04-01從vivo S9上, 我看到了前置自拍的“打怪升級”之路